时间差与时区处理

Timedelta：时间的长度

两个时间点之间差多久？这就是 Timedelta（时间差）。它和 Timestamp 是配套的：Timestamp 是”几点几分”，Timedelta 是”多长时间”。

import pandas as pd

# 字符串创建
print(pd.Timedelta("1 days 2 hours"))
# 1 days 02:00:00

# 关键字参数创建
print(pd.Timedelta(days=1, seconds=1))
# 1 days 00:00:01

# 数字 + 单位
print(pd.Timedelta(90, unit="min"))
# 0 days 01:30:00

批量转换用 pd.to_timedelta：

import pandas as pd

print(pd.to_timedelta(["1 days 06:05:01", "15.5us", "nan"]))
# TimedeltaIndex(['1 days 06:05:01', '0 days 00:00:00.000015500', NaT], ...)

日期加减与求差

有了 Timedelta，日期运算就活了：

import pandas as pd

d = pd.Timestamp("2024-01-15")

print(d + pd.Timedelta(days=3))
# 2024-01-18 00:00:00

print(d - pd.Timedelta(days=5))
# 2024-01-10 00:00:00

# 两个时间点相减，得到 Timedelta
d1 = pd.Timestamp("2024-01-01")
d2 = pd.Timestamp("2024-01-15")
diff = d2 - d1
print(diff)
# 14 days 00:00:00

print(diff.days)             # 14
print(diff.total_seconds())  # 1209600.0，总秒数

时间列也能整体加减：

import pandas as pd

s = pd.Series(pd.date_range("2024-01-01", periods=4, freq="D"))
print(s + pd.Timedelta(days=3))
# 0   2024-01-04
# 1   2024-01-05
# ...

print(s - s.min())
# 0   0 days
# 1   1 days
# 2   2 days
# 3   3 days
# dtype: timedelta64[us]

diff.days 只给出”整天”部分。时间差是”2 天 3 小时”时，.days 是 2，.seconds 是 10800（3 小时换算成秒），而不是把 3 小时折算成小数天。想拿到完整的”几小时几秒”，用 .components 查看各部分：

import pandas as pd

td = pd.Timedelta("2 days 3 hours 5 minutes")
print(td.components)
# Components(days=2, hours=3, minutes=5, seconds=0, ...)

shift：把数据整体挪动

shift 把数据在时间轴上”平移”：shift(1) 让每个值往后挪一位（滞后一期），最前面空出来一个位置；shift(-1) 往前挪一位（领先一期）。

import pandas as pd

s = pd.Series(range(1, 6))
print(s.shift(1))
# 0    NaN
# 1    1.0
# 2    2.0
# 3    3.0
# 4    4.0

print(s.shift(-1))
# 0    2.0
# 1    3.0
# 2    4.0
# 3    5.0
# 4    NaN

shift 在金融分析里是”昨日收盘价”的标准写法：df["昨收"] = df["收盘价"].shift(1)。挪出来的空位是 NaN，正好表示”没有前一天”。

shift 还有第二形态：shift(periods, freq="D") 不挪数据，而是把索引整体平移。索引是 DatetimeIndex 时，每个时间戳往后推 freq 指定的时长：

import pandas as pd

s = pd.Series([1, 2, 3], index=pd.date_range("2024-01-01", periods=3, freq="D"))
print(s.shift(1, freq="D"))
# 2024-01-02    1
# 2024-01-03    2
# 2024-01-04    3

数据没动，但日期往后挪了一天。这在”预测结果对位到未来日期”时很常用。

diff：差分

差分（diff）是 shift 最常用的搭档：每个值减去它前面那个值，算出一阶差分。其实 s.diff() 就是 s - s.shift(1) 的简写。

import pandas as pd

s = pd.Series([1, 3, 6, 10, 15])
print(s.diff())
# 0    NaN
# 1    2.0
# 2    3.0
# 3    4.0
# 4    5.0

# 隔 2 期差分：当前值减前 2 个值
print(s.diff(2))
# 0    NaN
# 1    NaN
# 2    5.0
# 3    7.0
# 4    9.0

# 百分比变化率
print(s.pct_change())
# 0        NaN
# 1   2.000000
# 2   1.000000
# 3   0.666667
# 4   0.500000

差分的作用是”去掉趋势看变化”：股价序列往往一路爬升，差分后变成每天的涨跌，平稳多了。diff(7) 算周同比（今天比上周今天），pct_change() 算涨跌幅。这三兄弟——shift、diff、pct_change——是时序特征工程的入门三件套。

DateOffset：日历运算

前面 TIP 里提过，加 1 个月要用 pd.DateOffset(months=1)。为什么不能直接用 Timedelta？因为月份长短不一：2 月 28 天、3 月 31 天，Timedelta 固定按秒算，无法表达”下个月同一天”这种日历语义。DateOffset 就是干这个的：

import pandas as pd

d = pd.Timestamp("2024-01-31")

print(d + pd.DateOffset(months=1))
# 2024-02-29 00:00:00（自动处理月末，2 月没有 31 号就落到 29 号）

# 工作日偏移：周五加 1 个工作日，直接跳到下周一
friday = pd.Timestamp("2024-01-05")
print(friday + pd.offsets.BDay())
# 2024-01-08 00:00:00

pd.offsets.BDay() 是”下一个工作日”，MonthEnd(1) 是”下个月最后一天”。做账务、排班这类依赖日历的业务，DateOffset 是标配。

时区：naive 与 aware

不带时区的时间叫 naive（朴素），带时区叫 aware（感知）。默认创建的时间都是 naive，dtype 是 datetime64[us]。带时区后 dtype 变成 datetime64[us, 时区名]。

时区有两个容易混的操作：

• tz_localize：给 naive 时间”贴”一个时区。钟面数字不变，只是告诉 pandas”这个时间属于哪个时区”。
• tz_convert：把 aware 时间从 A 时区换算成 B 时区。这是同一个时刻，钟面数字会变。

import pandas as pd

# 不带时区的时间
naive = pd.date_range("2024-01-01 10:00", periods=3, freq="h")
print(naive)
# DatetimeIndex(['2024-01-01 10:00:00', ...], dtype='datetime64[us]', freq='h')

# 贴 UTC 时区：钟面还是 10 点
utc = naive.tz_localize("UTC")
print(utc)
# DatetimeIndex(['2024-01-01 10:00:00+00:00', ...], dtype='datetime64[us, UTC]', freq='h')

# 换算成上海时间：同一个时刻，钟面变成 18 点
print(utc.tz_convert("Asia/Shanghai"))
# DatetimeIndex(['2024-01-01 18:00:00+08:00', ...], dtype='datetime64[us, Asia/Shanghai]', freq='h')

记忆口诀：localize 是贴标签，convert 是换算。UTC 的 10 点，在上海看就是 18 点，两个时间相等——它们指向同一个瞬间。

时区在 Series 与 date_range 上的用法

Series 里的时间列，用 .dt 访问器操作时区；生成索引时可以直接带时区：

import pandas as pd

# date_range 直接创建带时区的索引
idx = pd.date_range("2024-01-01", periods=2, freq="D", tz="Asia/Shanghai")
print(idx)
# DatetimeIndex(['2024-01-01 00:00:00+08:00', '2024-01-02 00:00:00+08:00'],
#               dtype='datetime64[us, Asia/Shanghai]', freq='D')

# Series 列：先贴 UTC，再换到上海
s = pd.Series(pd.date_range("2024-01-01", periods=2, freq="D"))
print(s.dt.tz_localize("UTC").dt.tz_convert("Asia/Shanghai"))
# 0   2024-01-01 08:00:00+08:00
# 1   2024-01-02 08:00:00+08:00
# dtype: datetime64[us, Asia/Shanghai]

两个不同时区的 Series 做运算，结果自动对齐到 UTC：

import pandas as pd

east = pd.Series(range(3), pd.date_range("2024-01-01", periods=3, tz="UTC")).tz_convert("US/Eastern")
berlin = pd.Series(range(3), pd.date_range("2024-01-01", periods=3, tz="UTC")).tz_convert("Europe/Berlin")
print(east + berlin)
# 2024-01-01 00:00:00+00:00    0
# ...

不管两个 Series 各自是什么时区，相加的结果索引统一是 UTC。内部存储也都是 UTC，时区只是显示层。

想脱掉时区：tz_localize(None) 去掉时区保留本地钟面；tz_convert(None) 先换算到 UTC 再去掉时区。

夏令时：特殊情况

部分时区有夏令时（DST）：春天时钟往前拨 1 小时，秋天往回拨 1 小时。这会产生两种诡异的时间：

• 不存在的时间：3 月的某个凌晨 2:30 被跳过了
• 重复的时间：11 月的某个 1:30 出现了两次

tz_localize 遇到这两种时间默认会报错。可以传 ambiguous（重复时间怎么处理："infer" 按序列推断、"NaT" 置空）和 nonexistent（不存在的时间："shift_forward" 前移、"NaT" 置空）来处理。中国没有夏令时，日常几乎碰不到；做欧美数据的跨时区分析时再深入研究。

小结

时间差这节收尾了时间序列的四件套：Timestamp 记时刻（§44）、DatetimeIndex 当索引（§45）、resample 换频率（§46）、Timedelta 算时长 + 时区转换（本节）。配合 shift、diff 做滞后与差分，时间序列的基本操作就齐了。下一节换个赛道，看看文本数据怎么用 .str 访问器批量处理。