pandas和python中不同类型的日期类型_Python_Python 3.x_Pandas_Datetime

pandas和python中不同类型的日期类型

python python-3.x pandas datetime

pandas和python中不同类型的日期类型,python,python-3.x,pandas,datetime,Python,Python 3.x,Pandas,Datetime,我正在构建一个交易策略回溯测试，该测试与将日期存储为索引有关。有人能解释一下日期的下列数据类型的差异（以及赋值时的可变性）吗 a=pd.date_range('1/1/2016',periods=10,freq='w') b=datetime.datetime(2016,1,4) c=pd.datetime(2016,1,4) d=pd.Timestamp(153543453435) 打印时，数据类型如下： <class 'pandas.core.indexes.datetimes.Da

我正在构建一个交易策略回溯测试，该测试与将日期存储为索引有关。有人能解释一下日期的下列数据类型的差异（以及赋值时的可变性）吗

a=pd.date_range('1/1/2016',periods=10,freq='w')
b=datetime.datetime(2016,1,4)
c=pd.datetime(2016,1,4)
d=pd.Timestamp(153543453435)

打印时，数据类型如下：

<class 'pandas.core.indexes.datetimes.DatetimeIndex'> (print(type(a))
<class 'pandas._libs.tslib.Timestamp'> (print(type(a[0]))
<class 'datetime.datetime'>
<class 'datetime.datetime'>
<class 'pandas._libs.tslib.Timestamp'>

（打印（类型（a））
（打印（类型（a[0]））

如果有人能详细解释它们之间的区别，以及变量赋值时的可变性，那就太好了

dti = pd.date_range('1/1/2016',periods=10,freq='w')

根据

DatetimeIndex

is：

不可变的datetime64数据数组，内部表示为int64，可以装箱到作为datetime子类的Timestamp对象，并携带元数据，如频率信息

此外，pandas

Timestamp

对象设计为不可变：

ts  # returns Timestamp('2016-01-03 00:00:00', freq='W-SUN')
ts.replace(year=2015)  # returns Timestamp('2015-01-03 00:00:00', freq='W-SUN')
ts  # returns Timestamp('2016-01-03 00:00:00', freq='W-SUN')

请注意原始

时间戳

对象的年份如何没有改变。相反，replace方法返回了一个新的

时间戳

对象

最后，关于本机python

datetime

对象，根据：

这些类型的对象是不可变的

下面是一个关于在表示日期时间的不同类型之间转换的示例

那你为什么要用一个来代替另一个呢

datetimes

是一个很难处理的问题。这就是熊猫创建自己的包装类（

Timestamp

）的原因.元数据存储在这些对象上，使其操作更容易。

DatetimeIndex

只是一系列对象，这些对象被装箱到

Timestamp

对象中，用于添加功能。例如，使用

Timestamp

DatetimeIndex

可以：

向datetimeindex添加一定数量的工作日
创建跨越特定周数的序列
改变时区
等等

如果没有

Timestamp

和

DatetimeIndex

类中存储的额外方法和元数据，所有这些都将是一件非常痛苦的事情

更多示例请参见

根据

DatetimeIndex

is：