时间类型数据在生活中非常常见，经济、金融、物理等方面都会使用到，在观测数据过程中，对于时间序列数据常常使用的有三种： 时间戳 ：具体的时刻 时间间隔 ：由开始和结束的时间戳表示 固定的时间区间 ：比如说2020年一整年 Python中包含了日期和时间数据的类型，也包括日历相关的功能，其中有datetime、time和calendar模块。这里主要梳理datetime的基本用法和字符串时间转换的相关知识点。

datetime存储了日期，也存储到了细化到微秒的时间，具体可以看如下代码，在得出的结果中，从左到右分别是年、月、日、时、分、秒、微秒：

datetime的时间差可以通过两个datetime对象加减操作得到，得出的结果是timedelta类型，操作如下代码所示，通过两个datetime对象进行相减操作，得出时间间隔my_delta的结果，对应两个参数分别是days和seconds。

一个datetime对象可以和一个timedelta时间间隔相加减得到另一个datetime对象，这种加减可以是timedelta的整数倍，示例如下所示。 有关datetime模块中数据类型包括以下：

datetime通过strftime方法将datetime类型进行特定格式的字符串转换，举例如下代码所示。 从上述代码可以看出，strftime是通过%方式进行特定时间字符串格式的设定，特定格式的的转换形式有以下几种。

字符串转换为日期的方式是比较多的，这里介绍三种方式 第一种： 使用datetime中的 strptime 方法，具体使用如代码所示 通过代码可以看出，使用datetime进行转换，在参数中需要对应写入字符串的时间格式才能进行转换，这样对于已知的格式可以说很方便，而每次进行格式编写确实带来了许多的不便，这时可以考虑第二种方法

第二种 ：使用 parse 方法 parse方法来自与dateutil包，如果已经安装了pandas的包，这个包默认已经安装了。parse方法对于常见的可理解的字符串日期都可以自动转换成datetime类型。考虑到国际场合下，有的时间是日期在月份之前，比如2/12/2020为2020年12月2日，这种转换可以加入dayfirst参数进行备注，方便识别，具体举例如下。 第三种 ： pandas中面向日期数组的处理（ to_datetime 方法） 在dataFrame中，轴索引和列都可以使用to_datetime方法将字符串数组进行转换，在进行转换的过程中也可以进行空缺值的识别，空缺值将使用NaT(Not a Time)表示，具体举例如下：