11.1 日期和时间数据类型及工具

    datetime以毫秒形式存储日期和时间。timedelta表示两个datetime对象之间的时间差：

    3. In [15]: delta
    4. Out[15]: datetime.timedelta(926, 56700)
    6. In [16]: delta.days
    7. Out[16]: 926
    9. In [17]: delta.seconds
    10. Out[17]: 56700

    可以给datetime对象加上（或减去）一个或多个timedelta，这样会产生一个新对象：

    1. In [18]: from datetime import timedelta
    4. In [20]: start + timedelta(12)
    5. Out[20]: datetime.datetime(2011, 1, 19, 0, 0)
    7. In [21]: start - 2 * timedelta(12)
    8. Out[21]: datetime.datetime(2010, 12, 14, 0, 0)

    datetime模块中的数据类型参见表10-1。虽然本章主要讲的是pandas数据类型和高级时间序列处理，但你肯定会在Python的其他地方遇到有关datetime的数据类型。

    表11-1 datetime模块中的数据类型

    tzinfo 存储时区信息的基本类型

    表11-2列出了全部的格式化编码。

    表11-2 datetime格式定义（兼容ISO C89）

    11.1 日期和时间数据类型及工具 - 图2

    datetime.strptime可以用这些格式化编码将字符串转换为日期：

    1. In [25]: value = '2011-01-03'
    3. In [26]: datetime.strptime(value, '%Y-%m-%d')
    4. Out[26]: datetime.datetime(2011, 1, 3, 0, 0)
    6. In [27]: datestrs = ['7/6/2011', '8/6/2011']
    8. Out[28]: 
    9. [datetime.datetime(2011, 7, 6, 0, 0),
    10.  datetime.datetime(2011, 8, 6, 0, 0)]

    datetime.strptime是通过已知格式进行日期解析的最佳方式。但是每次都要编写格式定义是很麻烦的事情，尤其是对于一些常见的日期格式。这种情况下，你可以用dateutil这个第三方包中的parser.parse方法（pandas中已经自动安装好了）：

    1. In [29]: from dateutil.parser import parse
    3. In [30]: parse('2011-01-03')
    4. Out[30]: datetime.datetime(2011, 1, 3, 0, 0)

    在国际通用的格式中，日出现在月的前面很普遍，传入dayfirst=True即可解决这个问题：

    1. In [32]: parse('6/12/2011', dayfirst=True)
    2. Out[32]: datetime.datetime(2011, 12, 6, 0, 0)

    pandas通常是用于处理成组日期的，不管这些日期是DataFrame的轴索引还是列。to_datetime方法可以解析多种不同的日期表示形式。对标准日期格式（如ISO8601）的解析非常快：

    1. In [33]: datestrs = ['2011-07-06 12:00:00', '2011-08-06 00:00:00']
    3. In [34]: pd.to_datetime(datestrs)

    它还可以处理缺失值（None、空字符串等）：

    NaT（Not a Time）是pandas中时间戳数据的null值。

    datetime对象还有一些特定于当前环境（位于不同国家或使用不同语言的系统）的格式化选项。例如，德语或法语系统所用的月份简写就与英语系统所用的不同。表11-3进行了总结。

    11.1 日期和时间数据类型及工具 - 图4