? 在使用Python进行数据分析时，经常会遇到时间日期格式处理和转换，特别是分析和挖掘与时间相关的数据。Pandas提供了强大的日期数据处理的功能，下面整理了一些使用pandas处理时间变量的常用技巧。
1.生成时间序列
import pandas as pd
import numpy as np
rng_day = pd.date_range('1/1/2011', periods=24, freq='D')
rng_month=pd.date_range('1/1/2011', periods=24, freq='M')? pandas主要提供pd.data_range()和pd.period_range()两个方法，给定参数有起始时间、结束时间、生成时期的数目及时间频率（freq='M’月，'D’天，‘W’，周，'Y’年）等。
? 两种主要区别在于pd.date_range()生成的是DatetimeIndex格式的日期序列；pd.period_range()生成的是PeriodIndex格式的日期序列。
2.转化日期格式 2.1 字符串转时间 方法一：使用pd.to_datetime()
## 方法一：使用pd.to_datetime()
series1=pd.to_datetime(['2020-07-22 20:07:30', '2020.07.23'])
series2=pd.to_datetime(['2020-07-22', '2020.07.23'])
print(series1)
print(series2)方法二：使用datetime包的strptime方法
datestr = '2020-07-22 20:07:30'
date1 = datetime.datetime.strptime(datestr,'%Y-%m-%d %H:%M:%S')
print(date1)? 使用strptime方法时，转化的格式必须和字符串的格式一样。见上图，如果转换格式不一致将报错。
datestr = '2020-07-22 20:07:30'
date2 = datetime.datetime.strptime(datestr[0:7],'%Y-%m')
print(date2)2.2日期转字符串
## 利用str或者strftime方法可以将datetime对象转换成字符串
date = datetime.datetime(2020,7,22,19,59,00)
datestr1 = datetime.datetime.strftime(date,'%Y-%m-%d %H:%M:%S')
datestr2 = datetime.datetime.strftime(date,'%Y-%m')
print(datestr1)
print(datestr2)? 使用strftime方法将日期转成字符串时，可以调整字符串的格式，并不是需要严格对应。
3.日期加减 3.1 日期加一天
date=datetime.date.today()
print(datetime.date.today()+datetime.timedelta(days=1))3.2日期加一个月
## 日期加一个月,需要使用第三方库
from dateutil.relativedelta import relativedelta
datetime_now = datetime.datetime.now()
datetime_three_month_ago = datetime_now + relativedelta(months=+1)
print(datetime_three_month_ago)4.计算日期之差
date_end=datetime.datetime.now()
date_start=pd.to_datetime('2020/01/01')
date_interval=date_end-date_start
print(date_interval)
print(f'时间相隔{date_interval.days}天')
print(f'时间相隔{date_interval/np.timedelta64(1,"M")}月')
print(f'时间相隔{date_interval/np.timedelta64(1,"D")}天')
print(f'时间相隔{int(date_interval/np.timedelta64(1,"D"))}天')【作者】：Labryant
【原创公众号】：风控猎人
【简介】：某创业公司策略分析师，积极上进，努力提升。乾坤未定，你我都是黑马。
【转载说明】：转载请说明出处，谢谢合作！~