linux时间戳转换日期格式 unix时间戳转换成时间命令( 五 )

例如：
# import timezone from pytz modulefrom pytz import timezone# Create timezone US/Easterneast = timezone('US/Eastern')# Localize dateloc_dt = east.localize(datetime(2011, 11, 2, 7, 27, 0))print(loc_dt)# Convert localized date into Asia/Kolkata timezonekolkata = timezone("Asia/Kolkata")print(loc_dt.astimezone(kolkata))# Convert localized date into Australia/Sydney timezoneau_tz = timezone('Australia/Sydney')print(loc_dt.astimezone(au_tz))2011-11-02 07:27:00-04:00 2011-11-02 16:57:00+05:30 2011-11-02 22:27:00+11:00在处理包含多个不同时区的数据集时，此模块可以帮助简化生活。
使用 pandas 日期时间对象数据科学家喜欢 pandas 的原因有很多。其中之一是它包含用于处理时间序列数据的广泛功能和特性。就像datetime 它本身一样，pandas 有 datetime 和 timedelta 对象，分别用于指定日期、时间和持续时间。
我们可以使用以下函数将日期、时间和持续时间文本字符串转换为 Pandas Datetime 对象：
to_datetime()：将字符串日期和时间转换为 Python 日期时间对象。to_timedelta()：根据天、小时、分钟和秒查找时间差异。正如我们将看到的，这些函数实际上非常擅长通过自动检测格式将字符串转换为 Python 日期时间对象，而无需我们使用 strftime 模式定义它。
让我们看一个简单的例子：
# import pandas module as pdimport pandas as pd# create date object using to_datetime() functiondate = pd.to_datetime("8th of sep, 2019")print(date)2019-09-08 00:00:00请注意，即使我们给它一个带有一些复杂因素的字符串，例如“th”和“sep”而不是“Sep” 。或“September”，pandas 能够正确解析字符串并返回格式化的日期。
我们还可以使用 pandas（及其一些附属的 numpy 功能）自动创建日期范围作为 pandas 系列。例如，下面我们从上面定义的那一天开始创建一系列十二个日期。然后我们使用pd.date_range()以下命令从预定义日期开始创建一系列不同的日期：
# Create date series using numpy and to_timedelta() functiondate_series = date + pd.to_timedelta(np.arange(12), 'D')print(date_series)# Create date series using date_range() functiondate_series = pd.date_range('08/10/2019', periods = 12, freq ='D')print(date_series)DatetimeIndex(['2019-09-08', '2019-09-09', '2019-09-10', '2019-09-11','2019-09-12', '2019-09-13', '2019-09-14', '2019-09-15','2019-09-16', '2019-09-17', '2019-09-18', '2019-09-19'],dtype='datetime64[ns]', freq=None) DatetimeIndex(['2019-08-10', '2019-08-11', '2019-08-12', '2019-08-13','2019-08-14', '2019-08-15', '2019-08-16', '2019-08-17','2019-08-18', '2019-08-19', '2019-08-20', '2019-08-21'],dtype='datetime64[ns]', freq='D')在 Pandas 中获取年、月、日、时、分我们可以使用dt 所有列的属性轻松地从 Pandas 数据框列中的日期中获取年、月、日、小时或分钟。例如，我们可以使用 df[‘date’].dt.year 从包含完整日期的 Pandas 列中仅提取年份。
为了探索这一点，让我们使用上面创建的系列之一制作一个快速的 DataFrame：
# Create a DataFrame with one column datedf = pd.DataFrame()df['date'] = date_series df.head()日期02019-08-1012019-08-1122019-08-1232019-08-1342019-08-14现在，让我们使用相关的 Python 日期时间（通过访问dt）属性为日期的每个元素创建单独的列：
# Extract year, month, day, hour, and minute. Assign all these date component to new column.df['year'] = df['date'].dt.yeardf['month'] = df['date'].dt.monthdf['day'] = df['date'].dt.daydf['hour'] = df['date'].dt.hourdf['minute'] = df['date'].dt.minutedf.head()日期年月日小时分钟02019-08-102019年8100012019-08-112019年8110022019-08-122019年8120032019-08-132019年8130042019-08-142019年81400获取工作日和一年中的某一天Pandas 还能够从它的 datetime 对象中获取其他元素，比如星期几和一年中的哪一天。同样，我们可以使用 dt 属性来做到这一点。请注意，此处，与 Python 中的一般情况一样，一周从周一的索引 0 开始，因此一周中的第 5 天是周六。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：