一. Pandas-日期数据类型

1. 假设有一个datetime对象，表示2023年9月1日的日期和时间，如何将其转换为字符串表示形式

from datetime import datetime
dt = datetime(2025,1,1)
dt_str= dt.strftime("%Y-%m-%d")
dt_str

'2025-01-01'

2.请将2023年9月1日12点30分和2023年10月2日13点转换为datetime对象，并计算它们之间的时间差

import datetime

# 创建datetime对象
start_time = datetime.datetime(2023, 9, 1, 12, 30, 0)
end_time = datetime.datetime(2023, 10, 2, 13, 0, 0)

# 计算时间差
time_diff = end_time - start_time

from datetime import datetime

# 将日期时间字符串转换为datetime对象
dt1 = datetime.strptime('2023-09-01 12:30:00', '%Y-%m-%d %H:%M:%S')
dt2 = datetime.strptime('2023-10-02 13:00:00', '%Y-%m-%d %H:%M:%S')

# 计算时间差
time_diff = dt2 - dt1

# 输出时间差
print("时间差是:", time_diff)
print("时间差的天数:", time_diff.days)
print("时间差的秒数:", time_diff.total_seconds())

时间差是: 31 days, 0:30:00
时间差的天数: 31
时间差的秒数: 2680200.0

3.有如下数据,date = {“data”: [“2023-01-01”, “2023-03-01”, “2023-02-01”, “2023-06-01”, “2023-04-01”, “2023-05-01”]},请将其转换为datetime类型数据，并将其按照日期降序进行排序

import pandas as pd

date = {"date": ["2023-01-01", "2023-03-01", "2023-02-01", "2023-06-01", "2023-04-01", "2023-05-01"]}
df = pd.DataFrame(date)
df["date"] = pd.to_datetime(df["date"])
df = df.sort_values("date", ascending=False)

from datetime import datetime

# 输入数据
date = {"data": ["2023-01-01", "2023-03-01", "2023-02-01", "2023-06-01", "2023-04-01", "2023-05-01"]}

# 将字符串列表转换为datetime对象列表
datetime_list = [datetime.strptime(d, '%Y-%m-%d') for d in date['data']]

# 按照日期降序排序
datetime_list.sort(reverse=True)

# 输出排序后的datetime对象
for dt in datetime_list:
    print(dt.strftime('%Y-%m-%d'))

2023-06-01
2023-05-01
2023-04-01
2023-03-01
2023-02-01
2023-01-01

4. 使用datetime获取到当前时间，并在当前时间的基础上加上1天

from datetime import datetime, timedelta

# 获取当前时间
current_time = datetime.now()

# 在当前时间的基础上加上1天
new_time = current_time + timedelta(days=1)

# 输出当前时间和新时间
print("当前时间:", current_time.strftime('%Y-%m-%d %H:%M:%S'))
print("加上一天后的时间:", new_time.strftime('%Y-%m-%d %H:%M:%S'))

当前时间: 2025-01-04 23:49:59
加上一天后的时间: 2025-01-05 23:49:59