利用timetz()函数获取pandas.Timestamp的时分秒

在进行数据处理时，我想依据表格里的时间来划分出早中晚

import pandas as pd
import time
import datetime

data = pd.read_csv("data.csv")  #读取数据
date['time'] = pd.to_datetime(data['time'],infer_datetime_format=True)  # 将时间转化为datetime

def get_sj( x ):
    time_6 = datetime.datetime.strptime('6:00','%H:%M').time()
    time_12 = datetime.datetime.strptime('12:00','%H:%M').time()
    time_18 = datetime.datetime.strptime('18:00','%H:%M').time()
    xtime = x.timetz()   # 获取时分秒
    if xtime<time_6:
        return '凌晨'
    elif xtime<time_12:
        return '上午'
    elif xtime<time_18:
        return '下午'
    else:
        return '晚上'
    
data['sj'] = data['time'].map(get_sj)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

在使用to_datetime()后，data[‘time’]里的每一个数据都已经转化为pandas._libs.tslibs.timestamps.Timestamp这种数据类型.

dates = ['2017-09-05 10:49:14.016000', '16/01/2018 13:49:14.826000', 'May 5, 2019, 10:49:14.698000', '2019.11.05 13:09:26.217000']
dates = pd.to_datetime(dates)
print('dates的类型是：' , type(dates), '\n dates[2]的类型是：', type(dates[2]))

运行结果： 
dates的类型是： <class 'pandas.core.indexes.datetimes.DatetimeIndex'> 
dates[2]的类型是： <class 'pandas._libs.tslibs.timestamps.Timestamp'>
1
2
3
4
5
6
7

因此，为了获取后面的时间，使用Timestamp的函数**timetz()**即可

print('dates[2]为：', dates[2], '  dates[2]的时分秒为：', dates[2].timetz())

运行结果为：
dates[2]为： 2019-05-05 10:49:14.698000   dates[2]的时分秒为： 10:49:14.698000
1
2
3
4

当然，如果只是要实现划分早中晚，大可直接获取小时来判断

print(dates[2])
print(dates[2].hour)   #获取dates[2]的小时

运行结果：
2019-05-05 10:49:14.698000
10
1
2
3
4
5
6

因此，对于文章一开始的那个函数，可修改为如下：

import pandas as pd

data = pd.read_csv("data.csv")  #读取数据
date['time'] = pd.to_datetime(data['time'],infer_datetime_format=True)  # 将时间转化为datetime

def get_sj( x ):
    xhour = x.hour   # 获取小时
    if xhour <6:
        return '凌晨'
    elif xhour <12:
        return '上午'
    elif xhour <18:
        return '下午'
    else:
        return '晚上'
    
data['sj'] = data['time'].map(get_sj)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

综上，pandas.Timestamp的实现中其实已经有很多写好的函数了，需要的时候可以直接调用，当我们想实现一个功能却不知道用哪个函数时，或许可以先去官网看看说明。以下为pandas.Timestamp的官网说明：
https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.Timestamp.html