上一篇文章介绍了如何处理time和datetime库的不同时间对象，以及如何进行相互转换。
我们发现，time和datetime库具有相同的名称，但调用方法可能与它们所属的类完全不同，这也导致了使用过程中的各种混乱。
今天我们还将讨论在Pandas库中处理时间的各种函数和方法。 当然，由于Pandas有太多处理时间的方法和类，因此只讨论Pandas的一部分，特别是time库和datetime库，容易混淆的知识。
(一)该Timestamp不是其他的Timestamp
看过上一篇文章的同学相信time库的unix时间戳还有图像，但是Pandas的Timestamp对象和unix时间戳的格式完全不同。
Pandas中的Timestamp对象可以说是Pandas中时间序列对象的细胞。 如果有datetime64[ns]类型的系列对象，则如下所示：
独特的黄蜂抽出Series的第一个元素出来，返回的是Timestamp对象。 当然，也可以自己创建Timestamp对象。
如上面的代码所示，可以使用pd.Timestamp ()方法直接将unix时间戳、字符串类型日期和datetime库中的datetime.datetime转换为Timestamp对象。
反之呢？ 若要将Timestamp对象转换为unix时间戳，请使用pd.Timestamp.timestamp ()方法。
(二)生成时间序列
Pandas作为处理多维数组的“神器”，本文当然论述了处理时间序列的方法。 其中，Pandas有不少生成时间序列的方法，最常见的方法是pd.date_range () )，让我们来看看其使用方法。
lpd.date _ range (开始、结束、频率)生成时间段
n start:的开始时间。 参数可以是datetime库中的datetime对象或字符串。
n end:的结束时间。 参数可以是datetime库中的datetime对象或字符串。
n freq:小时频率，“y”表示年，“m”表示月，“d”表示日，“h”表示小时，“min”表示分钟
请注意，开始时间和结束时间参数所指向的对象是datetime.datetime对象。
当然，这里的开始时间除了datetime.datetime实例以外，还可以用字符串表示。
在start_time为2019年7月17日的情况下，start_time也可以是字符串“20190717”、“2019-07-17”、“2019/07/17” .
由上图可见，pd.date_range ) )方法生成长度为200、数据类型为datetime的DatetimeIndex对象，时间频率为天。
也就是说，从2019年7月17日到2020年2月1日，加上始末的日期就是200天。 这是因为默认频率是每天，freq='D '。 通过改变时间频率，详细情况可以参考上述使用方法追加修改freq参数。
如果希望以2019年7月17日为开始，以每天的时间频率生成长度为200的DataIndex对象，可以写为：
ded67a30dd49?from=pc">相应地，如果想要以2020年2月1日为结束日，按照每天的时间频率，生成长度为200的DataIndex对象，可以这样写：
(三) .to_datetime()方法
当然，上面的方法生成的是DatetimeIindex对象，可以通过pd.Series()方法转化为Series对象：
但是对于不规范的日期字符串Series，需要使用pd.to_datetime()方法来对其进行转换，比如：
(四) DateOffset类
datetime库中有timedelta类作为日期的增减，Pandas中也有专门的DateOffset类作为时间间隔对象，可以直接作用在上面的datetime型Series对象中。
其使用方法和datetime.timedelta类相似，但是要注意的是里面的参数名最后都加了's'。
datetime型Series对象可以直接使用DataOfffset对象进行日期加减：
也可以作用在DatetimeIndex对象中：
(五) 时间序列日期格式化
要对datetime型的Series对象进行日期格式转换，可以通过Series实例的方法.dt.strftime()，其格式化字符串依然可以参照datetime库中的格式化字符串对照表：
要对datetime型的Series对象进行日期格式转换，可以通过Series实例的方法.dt.strftime()，其格式化字符串依然可以参照文章开头的datetime库中的格式化字符串对照表：
但是如果留心的话可以发现，转化之后的数据类型，已经从datetime型变成object类，也就是字符串。
如果把字符串时间date_03重新转化为datetime型Series，用上面提到的pd.to_datetime()方法即可：
(六) 结后语
time库和datetime库以及Pandas中各种对象处理时间的方法，虽然错综复杂又相互关联，但是其实在使用方面有所侧重和不同。
time库以及datetime库的对象，一般用在程序设计的中涉及到时间的问题，比如爬虫的时候在获得的不规则时间时碰到的格式转换问题，会使用很多。
Pandas中各种与时间相关的类非常多，方法非常丰富，涉及到时间处理的各个方面，主要用作序列数据的处理方面，这和time库与datetime库对单独某些日期数据处理不同。
就数据分析工作而言，对时间序列数据处理的时候Pandas用得非常多，以至于很多人几乎都忘记time库与datetime库的存在。总体而言，对于数据分析初学者而言，可以把Pandas作为重点学习方面，但是time库和datetime库作为Python标准库，其时间类的基本使用方法的学习是必不可少的。