3.4 日期时间操作：to_datetime 与 dt 访问器

本节摘要：时间是数据里最讲规矩的料——转不成时间类型，月报做不了、留存算不出。本节讲透 to_datetime 的入料与 dt 访问器的拆解：抽年月日、算星期、生成时间轴、按月归拢，并把月末、时区、格式符三处高频翻车点提前拆掉。承接 3.3 的字符串精加工，为切配台收官。

月底结算为什么总在时间列上翻车

月底赶结算报表，出事最多的偏偏是时间列：日期格式五花八门，"05/06/2024"到底六月还是五月没人说得清；算"隔了多少天"拿字符串做减法，当场报错；按月汇总时，同一月份被拆成好几行。根源都一样——时间还躺在文本里，没有获得时间类型的身份。本节的任务是把这个身份问题一次解决：to_datetime 负责入籍，dt 访问器负责拆解使用，date_range 负责造时间轴。往前接 3.3 的文本手法（时间多半从文本里来），往后 4.3 的滚动窗口要靠它排队进场。

图时间数据的解析与使用层次

参数拆解：旋钮逐个拧

pd.to_datetime(s, format, errors, unit, origin)：2.4 已立过规矩——format 显式给、errors 用 coerce 转完复检；这里补一把刀：unit 与 origin 专治数字型时间（Unix 时间戳与 Excel 序列日）。dt 访问器：s.dt.year、month、day、hour 取字段；s.dt.dayofweek 给星期（零代表周一）；s.dt.quarter 给季度；s.dt.strftime("%Y年%m月") 直接格式化成展示文本。s.diff()：相邻两行相减，时间列上得到时长差，留存与间隔分析的起点。pd.date_range(start, end, periods, freq)：造时间轴，freq 常用取值——'D' 按天、'W' 按周、'ME' 按月末、'MS' 按月初、'h' 按小时；pandas 新版本用 'ME' 表示月末（旧的 'M' 写法已逐步移交 Period 语义）。s.dt.to_period('M')：把时刻归拢成月份周期，是月度聚合的前置步骤。


import pandas as pd

s = pd.Series(["2024-05-01 09:30", "2024-05-03 14:00", "2024-05-08 20:15"])
t = pd.to_datetime(s, format="%Y-%m-%d %H:%M")
print(t.dt.dayofweek.tolist())       # [2, 4, 2]  <- 0 是周一，2 即周三
print(t.diff().dt.days.tolist())     # [nan, 2.0, 5.0] 相邻间隔天数

实操示例：月度汇总的完整链路

场景：一张订单流水，要求按月统计单量。链路固定：入籍、归拢、聚合（聚合本身在 4.1 展开，这里先走到归拢）。


df = pd.DataFrame({
    "下单时间": ["2024-04-28 21:10", "2024-05-02 10:00",
              "2024-05-31 23:45", "2024-06-01 00:05"],
    "金额": [199.0, 259.0, 88.0, 129.0],
})

# 入籍：显式格式
df["下单时间"] = pd.to_datetime(df["下单时间"], format="%Y-%m-%d %H:%M")

# 归拢：时刻变月份周期
df["月份"] = df["下单时间"].dt.to_period("M").astype(str)

# 展示：也可以直接格式化成中文年月
df["月份标签"] = df["下单时间"].dt.strftime("%Y年%m月")
print(df[["月份", "月份标签"]])
#    月份   月份标签
# 0 2024-04  2024年04月
# 1 2024-05  2024年05月
# 2 2024-05  2024年05月
# 3 2024-06  2024年06月

注意月末那笔 23:45 的单子归在五月、次日 00:05 的单子归在六月——跨月边界全靠时间类型的比较语义，字符串永远做不到这么稳。

时段与频率的两组常用件

月报之外还有两件高频活。时段切分：把"几点几分"归入早中晚班，用 dt.hour 配 4.4 的 np.select 即可，时段字段是运营报表最常用的维度之一。频率对齐：date_range 的 freq 除了按天按月，还有按工作日（'B' 跳过周末）、按小时（'h'）与按分钟——造轴之后用 reindex 把稀疏的流水对齐到完整时间轴，缺口一目了然，这是时间序列预处理的标准动作。


axis = pd.date_range("2024-05-01", "2024-05-07", freq="D")
flow = pd.Series([12.0, 9.0, np.nan, 30.0], index=axis[[0, 1, 3, 4]])
print(flow.reindex(axis))
# 缺的那几天自动补 NaN，缺口多大一目了然

对齐出的 NaN 不是误差，是"没有发生"的记录——要不要补零、插值还是留空，回 2.1 的处置决策按业务定。

坑点与翻车

**翻车一：对 object 列点 dt。**dt 访问器只认时间类型，文本列直接报错——先 to_datetime，这也是 3.3 与本节的接口。**翻车二：星期从零还是从一。**pandas 的 dayofweek 以零代表周一；numpy 与部分语言的惯例不同，跨库对数时先对口径。翻车三：加月份想用天数凑。"下个月今天"不能用 Timedelta(days=30) 硬凑——大小月天数不同，三个月后准错位；加月份要用 DateOffset(months=1) 或干脆用 Period 的加减。**翻车四：格式符大小写。**%Y 是四位年份，%y 是两位；%M 是分钟、%m 才是月份——大小写错一位，解析出的日期面目全非，这就是坚持显式 format 后还要"抽查一行结果"的原因。

替代方案

不需要"时刻"只需要"月份"时，直接用 pd.PeriodIndex 或读入时 converters 转 Period，省一层转换；只要工作日的时间轴，用 bdate_range 一步跳过周末；处理带时区的时间戳，tz_localize 与 tz_convert 两步走——先给本地时区、再转到目标时区，顺序反了会对错小时。跨库交换数据时，ISO 标准格式的字符串是最稳的通用语。

收档清单

入籍第一：to_datetime 加显式 format，是所有时间操作的前提；
dt 拆解：字段抽取、星期口径零为周一、strftime 出展示文本；
diff 量间隔：相邻相减得时长，留存分析的起点；
加月份：用 DateOffset 或 Period，别拿天数凑；
时间轴：date_range 造轴，freq 认清月初月末写法。

切配台四把刀到此交齐。下一章进汤锅区：分组、聚合、统计与窗口，把切好的料真正下锅熬味——先见 4.1 的 groupby。

作者与出处

原作者：灏天文库

来源：灏天文库

整理：灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流

3.4 日期时间操作：to_datetime 与 dt 访问器