1、获取数据格式

print(type(字符串))

2、时间格式

关于数据格式转换，最常用的就是时间格式的转换

如果时间数据是以字符串格式存入，那就无法进行时间运算，需要把字符串格式的时间数据转换成真正的时间格式数据。下面是常见的时间格式处理方法

2.1、写入一个时间类型的数据

首先，导入datetime模块，使用datetime()函数；
然后，按照年、月、日、时、分、秒依次传入数字组成一个时间。其中（年、月、日）是必要的参数；

import numpy as np
import pandas as pd
from datetime import datetime

start = datetime(2020, 5, 1, 23, 59, 59)
print(start)
#输出：2020-05-01 23:59:59


end = datetime(2020, 10, 1)
print(end)
#输出：2020-10-01 00:00:00

2.2、获取当前年月日时分秒信息

from datetime import datetime
#获取当前日期
today=datetime.datetime.now()

today
#Out[195]: datetime.datetime(2023, 3, 27, 20, 50, 57, 225711)
today.year
#Out[196]: 2023
today.month
#Out[197]: 3
today.day
#Out[198]: 27

#获取当前时间
now=datetime.datetime.now().time()
now.hour
#Out[190]: 20
now.minute
#Out[191]: 49
now.second
#Out[192]: 51

2.3、字符串数据转时间数据

单一字符串和数据框中的字符串时间转换方法不同

• 单一字符串转换日期格式

#单一字符串转日期
time=datetime.strptime('20220201', '%Y%m%d')
time
#Out[101]: datetime.datetime(2022, 2, 1, 0, 0)

• 数据框中字符串转日期格式

错误示例！：不能用datetime.strptime转换，因为datetime.strptime只能处理单一字符串数值，无法处理序列数据，而数据框中的单一列是一个序列数据

import pandas as pd
df=pd.read_excel("/Users/tinawang/Documents/python/case.xlsx",sheet_name="sj")
df
df["date_a"]=datetime.strptime(df["date_a"], '%Y%m%d')
#输出报错：TypeError: strptime() argument 1 must be str, not Series

正确示例：利用pandas模块中的to_datetime()函数，但是要注意。to_datetime()函数默认处理yyyy-mm-dd格式数据，如果数据是其他格式如yyyymmdd，需要利用format参数表明函数格式

转换为时间格式的数据，可以获取年月日信息，可以通过后缀.dt可以把时间类型的数据转成一种方便我们提取日期或时间的对象，这种对象包含多种属性，其中就有 year（年）、month（月）、day（日）、week（周）、hour（时）、minute（分）、second（秒）

import pandas as pd
df=pd.read_excel("/Users/tinawang/Documents/python/case.xlsx",sheet_name="sj")
print(df)

# 使用to_datetime()函数
df["date_a_new"] = pd.to_datetime(df["date_a"],format='%Y%m%d')
print(df)
df["date_b_new"] = pd.to_datetime(df["date_b"])
df["time_new"] = pd.to_datetime(df["time"])

2.4、时间计算

在Python中，时间数据可能有下面三种形式：

已经转换为时间格式的数据可以直接进行加减运算，两个日期相减得到的就是时间间隔的形式

from datetime import datetime
start = datetime(2020, 5, 1, 23, 59, 59)
end = datetime(2020, 10, 1)
timeSpan = end - start
print(timeSpan)
#152 days, 0:00:01

print(type(timeSpan))
#<class 'datetime.timedelta'>

import pandas as pd
df=pd.read_excel("/Users/tinawang/Documents/python/case.xlsx",sheet_name="sj")
print(df)
#转换时间格式
df["date_a_new"] = pd.to_datetime(df["date_a"],format='%Y%m%d')
df["date_b_new"] = pd.to_datetime(df["date_b"])
#增加1天
df['next_tomorrow']=df["date_a_new"]+datetime.timedelta(days = 1)
#增加一周
df['next_week']=df["date_a_new"]+datetime.timedelta(weeks=1)
#计算间隔
df['gap']=df["date_b_new"]-df["date_a_new"]

print(df)
#输出结果
     date_a      date_b              time  ... next_tomorrow  next_week     gap
0  20220201  2022-02-21  2022/03/01 12:30  ...    2022-02-02 2022-02-08 20 days
1  20220202  2022-02-15  2022/03/02 12:34  ...    2022-02-03 2022-02-09 13 days

2.5、时间格式转字符串

时间格式的数据，可以获取年月日信息 year（年）、month（月）、day（日）、week（周）、hour（时）、minute（分）、second（秒）

import datetime
today=datetime.datetime.now()
today
today.year
today.month
today.day



now=datetime.datetime.now().time()
now.hour
now.minute
now.second

如果是序列数据，需要通过后缀.dt可以把时间类型的数据转成一种方便我们提取日期或时间的对象

import pandas as pd
df=pd.read_excel("/Users/tinawang/Documents/python/case.xlsx",sheet_name="sj")
print(df)
# 使用to_datetime()函数
df["date_a_new"] = pd.to_datetime(df["date_a"],format='%Y%m%d')
print(df)
#获取年月日数据
df["date_a_new"].dt.day
df["date_a_new"].dt.month
df["date_a_new"].dt.year
df["date_a_new"].dt.week

df["date_b_new"] = pd.to_datetime(df["date_b"])
df["date_b_new"].dt.day
df["date_b_new"].dt.month
df["date_b_new"].dt.year
df["date_b_new"].dt.week


#获取时分秒数据
df["time_new"] = pd.to_datetime(df["time"])
df["time_new"].dt.hour
df["time_new"].dt.minute