2. 时间戳与时间间隔的创建与转换

在 Pandas 的时间序列体系中，真正承载“时间点”和“时间长度”这两个基础概念的，是 Timestamp 与 Timedelta 两个标量类型。前者表示一个绝对时刻，后者表示两个时刻之间的间隔。理解它们的创建方式与相互转换关系，是后续做重采样、滑动窗口、缺失值识别的前提。本节围绕这两个对象展开，并重点解决一个高频实战问题：把各种格式的日期字符串列，稳定地转换为时间戳列。

一、Timestamp：单个时间点的三种创建路径

pd.Timestamp 是 Python 标准库 datetime.datetime 的子类，因此它既能像 datetime 一样参与比较和运算，又额外携带了纳秒级精度、时区信息以及 .year、.dayofweek、.quarter 等便捷属性。创建单个时间戳最直接的方式是构造：

import pandas as pd

t1 = pd.Timestamp("2024-03-15 08:30:00")      # ISO 风格字符串
t2 = pd.Timestamp(2024, 3, 15, 8, 30)          # 位置参数
t3 = pd.Timestamp("2024/03/15")                # 斜杠分隔
print(t1, t1.year, t1.dayofweek, t1.quarter)

三种写法得到的都是同一个时刻。需要注意 dayofweek 的约定：周一为 0，周日为 6，这与部分业务系统中“周日为 1”的习惯不同，跨系统对接时要先统一参照系。若字符串中带有时区偏移，例如 "2024-03-15T08:30:00+08:00"，Timestamp 会自动解析为带时区的对象，此时与不带时区的 Timestamp 直接比较会抛出异常，必须先统一时区。

二、to_datetime：批量转换的主力工具

实际数据中，时间几乎总是以“一列字符串”的形式出现，逐条构造 Timestamp 效率极低。pd.to_datetime 才是批量转换的核心函数，它接受标量、列表、Series，返回对应的 DatetimeIndex 或 datetime64 类型的 Series。它的关键参数决定了转换的成败：

• format：显式指定格式串，如 "%Y-%m-%d"，能显著提速并避免歧义；
• errors：取 "raise"（默认，遇错抛异常）、"coerce"（无法解析的置为 NaT）、"ignore"（原样返回）；
• unit：当输入是数值型 Unix 时间戳时，声明其单位，如 "s"、"ms"、"us"、"ns"；
• dayfirst：处理 "15/03/2024" 这类日在前、月在后格式时的开关。

下面这段示例覆盖了三种典型输入：ISO 字符串、中文日期、Unix 秒级时间戳。示例数据为构造的演示数据，用于说明转换行为。

raw = pd.Series([
    "2024-03-15 08:30:00",   # ISO
    "2024年03月16日",         # 中文日期
    "1710460800",            # Unix 秒级时间戳
    "not a date"             # 脏数据
])

# 中文日期需要显式格式
cn = pd.to_datetime(raw.iloc[1], format="%Y年%m月%d日")

# Unix 时间戳需要声明 unit
unix = pd.to_datetime(raw.iloc[2], unit="s")

# 混合格式 + 容错
mixed = pd.to_datetime(raw, errors="coerce", format="mixed")
print(mixed)

执行后 mixed 的前三项会被正确解析，第四项变为 NaT。这里 format="mixed" 让 Pandas 逐条推断格式，代价是速度较慢；若数据格式统一，应优先给出精确的 format，既快又能防止 "03/04/2024" 这类月日歧义被误判。中文日期中的“年月日”必须写进格式串，否则解析会失败，这是中文数据场景最常见的坑。

三、Timedelta：时间间隔的创建与运算

pd.Timedelta 表示一段时长，可由带单位的字符串或数值加单位构造，也支持两个 Timestamp 相减自动得到：

d1 = pd.Timedelta("1 days 06:00:00")
d2 = pd.Timedelta(90, unit="min")
d3 = pd.Timestamp("2024-03-16") - pd.Timestamp("2024-03-15")

print(d1, d2, d3)
print(d3.total_seconds() / 3600)   # 换算为小时

Timedelta 与 Timestamp 的加减是封闭的：时间点 ± 间隔 = 时间点，时间点 − 时间点 = 间隔。这一组关系构成了时间序列位移、滞后特征、窗口边界计算的基础。批量场景下用 pd.to_timedelta 把一列“间隔字符串”转为 timedelta64 列，再与时间戳列相加，即可实现按行错位的时间对齐。

四、实战：把字符串列转换为时间戳列

假设有一份订单表，order_time 列混有 ISO 与中文两种写法，另有一列 ts_unix 存放秒级 Unix 时间戳。目标是把两列都转为 datetime64，并计算每笔订单距当日零点的偏移量。完整流程如下：

df = pd.DataFrame({
    "order_id": [1001, 1002, 1003, 1004],
    "order_time": ["2024-03-15 08:30:00", "2024年03月15日 14:05:00",
                   "2024-03-16 00:00:00", "bad_value"],
    "ts_unix": [1710460800, 1710492300, 1710547200, 1710576000]
})

# 1) 中文与 ISO 混合：先统一分隔符再解析
s = df["order_time"].str.replace("年", "-").str.replace("月", "-").str.replace("日", "")
df["order_dt"] = pd.to_datetime(s, errors="coerce")

# 2) Unix 秒级时间戳
df["unix_dt"] = pd.to_datetime(df["ts_unix"], unit="s")

# 3) 计算距当日零点的偏移
df["offset"] = df["order_dt"] - df["order_dt"].dt.normalize()

print(df[["order_id", "order_dt", "unix_dt", "offset"]])
print(df["order_dt"].isna().sum())

这段代码里有几个值得注意的判断点。第一，str.replace 把中文日期规整为 2024-03-15 14:05:00，之后统一用默认解析即可，比逐条指定格式更省事；若数据量很大，仍建议改用 format="%Y-%m-%d %H:%M:%S" 提速。第二，errors="coerce" 让 "bad_value" 变成 NaT，随后 isna().sum() 返回 1，这就是缺失值识别的第一道入口——时间列中的非法值会以 NaT 形式暴露出来。第三，dt.normalize() 把时间戳截断到当日零点，相减得到 Timedelta，再通过 .dt.components 或 .dt.total_seconds() 可取出小时、分钟等分量。

五、转换后的类型校验

转换是否真正成功，不能只看有没有报错，应检查三件事：df.dtypes 中目标列是否为 datetime64[ns]；isna().sum() 是否与预期的脏数据条数一致；抽样比对 unix_dt 与 order_dt 在同一天的记录是否落在同一日期。若类型仍是 object，说明存在无法解析且未被 coerce 的值，或格式串与实际数据不匹配。完成校验后，这一列才可安全进入重采样、按时间索引切片等后续环节。

把本节的两条主线合起来看：Timestamp 与 to_datetime 负责把“文本”变成“时刻”，Timedelta 与时间戳相减负责把“两个时刻”变成“间隔”。前者解决数据能不能用，后者解决时间差怎么算，二者共同构成时间序列处理的地基。