Python日期处理实战：30种常用信息提取方法详解

键盘旁的猫

发布时间：2026-10-16| 5人浏览过

原创

本文详细介绍如何使用Python及Pandas库从日期数据中提取30余种常用信息。涵盖年月日时分秒、星期、周次、季度、闰年判断、时间间隔计算及字符串时段转换等核心功能，通过具体代码示例展示read_excel、dt模块、apply、lambda及getattr等方法的实际应用，助力数据竞赛与日常开发。

本次内容聚焦于日期数据的处理技术。

利用Python内置方法及第三方库，我们可以从日期数据中提取大量高价值信息，例如年、月、日、星期、周次和季度等。本文汇总了在实际工作场景和数据竞赛中常用的30多种日期转换与提取方法。

1 计算日期的年月日时分秒,星期,周次…

首先，使用Pandas库的read_excel()函数读取Excel表格数据，并将表格中的“日期”列转换为标准的日期格式，以便后续进行时间序列操作。

import pandas as pd
import numpy as np
import datetime

df = pd.read_excel('./日期问题.xlsx')
#　将日期列转成日期格式
df['日期'] = pd.to_datetime(df['日期'])

利用Pandas的dt模块，可以便捷地获取日期的各项基本属性。

# 转年月日格式(字符串文本)
df['年月日'] = df['日期'].apply(lambda x: x.strftime('%Y%m%d'))
df['年']=df['日期'].dt.year  
df['季度']=df['日期'].dt.quarter
df['月']=df['日期'].dt.month
df['日']=df['日期'].dt.day   
df['星期几']=df['日期'].dt.dayofweek
df['周次']=df['日期'].dt.week
df['时']=df['日期'].dt.hour
df['分']=df['日期'].dt.minute
df['秒']=df['日期'].dt.second

２计算一年中的第几天, 第几个10分钟, 日期转数值

通过对天、时、分进行四则运算，可以将日期转换为序列数值型数据，便于进一步的数学分析。

df['一年中的第几天']=df['日期'].dt.dayofyear
df['一天中的第几分钟']=df['日期'].apply(lambda x: x.minute + x.hour*60) 
df['一天中的第几个10分钟'] = df['时'] * 6 + df['分'] // 10
df['数值'] = df["日期"].values.astype(np.int64) // 10 ** 9
# 转年月(数值)
df['年月'] = df['日期'].dt.year * 100 + df['日期'].dt.month

３判断日期是否闰年，年初年末，月初月末…

在Python中，apply()和lambda()是两个功能强大的高阶函数，常用于对数据框进行逐行或逐元素的复杂逻辑处理。

df['是否闰年'] = df['日期'].apply(lambda x: x.is_leap_year) # 是否闰年
df['是否月初'] = df['日期'].apply(lambda x: x.is_month_start) # 是否月初
df['是否月末'] = df['日期'].apply(lambda x: x.is_month_end)   # 月末
df['是否季节初'] = df['日期'].apply(lambda x: x.is_quarter_start)  # 季度初
df['是否季节末'] = df['日期'].apply(lambda x: x.is_quarter_end) # 季度末
df['是否年初'] = df['日期'].apply(lambda x: x.is_year_start)  # 年初
df['是否年尾'] = df['日期'].apply(lambda x: x.is_year_end)  # 年内末
df['是否周末'] = df['日期'].apply(lambda x: True if x.dayofweek in [5, 6] else False)  # 是否周末
df.loc[((df['时'] >= 8) & (df['时'] < 22)), '是否营业时间'] = True

４字符串时段，季节

通过构建字典映射关系，并利用map方法进行替换，可以将数字形式的月份或小时转换为对应的字符串时段或季节描述。

period_dict ={
    23: '深夜', 0: '深夜', 1: '深夜',
    2: '凌晨', 3: '凌晨', 4: '凌晨',
    5: '早晨', 6: '早晨', 7: '早晨',
    8: '上午', 9: '上午', 10: '上午', 11: '上午',
    12: '中午', 13: '中午',
    14: '下午', 15: '下午', 16: '下午', 17: '下午',
    18: '傍晚',
    19: '晚上', 20: '晚上', 21: '晚上', 22: '晚上',
}
df['时间段']=df['时'].map(period_dict)
# 一年中的哪个季度
season_dict = {
    1: '春季', 2: '春季', 3: '春季',
    4: '夏季', 5: '夏季', 6: '夏季',
    7: '秋季', 8: '秋季', 9: '秋季',
    10: '冬季', 11: '冬季', 12: '冬季',
}
df['季节']=df['月'].map(season_dict)

５for循环快捷计算

Python中的getattr()方法允许动态获取对象的属性，结合循环结构，可以批量提取多个时间特征。

time_features = ['year', 'month', 'quarter', 'week', 'day', 'dayofweek', 'dayofyear']
dtype = np.int16
for time_feature in time_features:
    df[time_feature] = getattr(df['日期'].dt, time_feature).astype(dtype)

６时间间隔天数计算

通过将当前日期与指定基准日期或今日日期进行比较，可以计算两者之间的间隔天数。

# 设置初始的时间
base_time = datetime.datetime.strptime('2021-06-01', '%Y-%m-%d')
# 计算时间差
df['时间差'] = df['日期'].apply(lambda x: x-base_time).dt.days   
# 距离今天天数 
df['间隔天数'] = list(map(lambda x: x.days, pd.to_datetime('today') - df['日期']))

补充：Python日期获取今天及昨天的年月日等信息

import time
from datetime import datetime, date, timedelta
 
# 当前日期
now_date = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
print("now_date: {}".format(now_date))
 
# 当前时间的年月日
year = datetime.now().year
month = datetime.now().month
day = datetime.now().day
 
print(f"year: {year}, month: {month}, day: {day}")
 
# 昨天
month_yesterday = (date.today() + timedelta(days=-1)).month
day_yesterday = (date.today() + timedelta(days=-1)).day
 
print(f"month_yesterday: {month_yesterday}, day_yesterday: {day_yesterday}")

输出结果：