Python 常见时间格式整理

写python时经常用到，但是经常弄混，现在使用gpt进行整理。

1. datetime.datetime

• 来源：标准库 datetime
• 特点：年月日 + 时分秒 + 微秒
• 示例：

from datetime import datetime
dt = datetime(2025, 9, 30, 15, 30, 45)
print(dt)         # 2025-09-30 15:30:45
print(type(dt))   # <class 'datetime.datetime'>

2. datetime.date

• 来源：标准库datetime
• 特点：只有年月日
• 示例：

from datetime import date
d = date(2025, 9, 30)
print(d)         # 2025-09-30
print(type(d))   # <class 'datetime.date'>

3. datetime.time

• 来源：标准库datetime
• 特点：只有时分秒
• 示例：

from datetime import time
t = time(15, 30, 45)
print(t)         # 15:30:45
print(type(t))   # <class 'datetime.time'>

4. pandas.Timestamp

• 来源：pandas
• 特点：比datetime更强大，支持矢量化运算
• 示例：

import pandas as pd
ts = pd.to_datetime("2025-09-30 15:30:45")
print(ts)         # 2025-09-30 15:30:45
print(type(ts))   # <class 'pandas._libs.tslibs.timestamps.Timestamp'>

5. pandas.DatetimeIndex

• 来源：pandas
• 特点：一组Timestamp 组成的索引
• 示例：

import pandas as pd
dti = pd.date_range("2025-09-01", periods=5, freq="D")
print(dti)
# DatetimeIndex(['2025-09-01', '2025-09-02', ...], dtype='datetime64[ns]', freq='D')
print(type(dti))   # <class 'pandas.core.indexes.datetimes.DatetimeIndex'>

6. numpy.datetime64

• 来源：numpy
• 特点：底层储存格式，pandas内部常用
• 示例：

import numpy as np
dt64 = np.datetime64("2025-09-30T15:30:45")
print(dt64)        # 2025-09-30T15:30:45
print(type(dt64))  # <class 'numpy.datetime64'>

常见混淆

1. .index.date:返回datetime.date数组，和Timestamp比较可能报错。
2. .normalize()：保留Timestamp类型，但是会把时分秒置成零。
3. cur.date()：把Timestamp转成datetime.date。
4. Timestamp>=datetime.date会报错，需要转成同类型。

📋 使用对照表