首先列出内容参考的来源：
pandas的to_datetime时间转换使用方法以及学习的心得
pandas.to_datetime()
pd.to_datetime()
一、两种单位
1.1.1datetime.date和datetime.timedelta
datetime.timedelta对象代表两个时间之间的时间差，两个date或datetime对象相减就可以返回一个timedelta对象。
利用以下数据进行说明：
数据帧结构，只查看create_date字段
ods_sales_orders['create_date'][0]
ods_sales_orders['create_date'][0]-ods_sales_orders['create_date'][112000]
image.png
- 计算：
ods_sales_orders['create_date'][0]+datetime.timedelta(days=365)
image.png
1.1.2Timestamp和np.timedelta64()
a_1=pd.to_datetime('2013-2-1 00:01:00')-pd.to_datetime('2013-1-11 00:01:00')
a_1+np.timedelta64('9','D') #加9天
a_1/np.timedelta64('1','D') #去掉单位
image.png
其实，对于Timestamp格式的时间变量来说，这两种计算方法都是可行的
二、相关的一些函数
1、pandas.to_datetime()
如果我们发现时间相关内容的变量为int,float,str等类型，不方便后面的分析，就需要使用该函数转化为常用的时间变量格式：pandas.to_datetime
pd.to_datetime(
arg,
errors='raise',
dayfirst=False,
yearfirst=False,
utc=None,
format=None,
exact=True,
unit=None,
infer_datetime_format=False,
origin='unix',
cache=True,
)
转换得到的时间单位如下：
image.png
- errors: {'ignore', 'raise', 'coerce'}
如果为“ raise”，则无效的解析将引发异常
如果为“coerce”，则将无效解析设置为NaT
如果为“ ignore”，则无效的解析将返回输入 - format：str，格式，default None，解析时间的strftime，例如“％d /％m /％Y”，请注意，“％f”将一直解析直至纳秒。有关选择的更多信息，请参见：strftime
如果时间序列格式不统一，pd.to_datetime()的处理方式：
- 如果异常格式的值不多（至于什么比例叫不多，目前认为3%以下算吧），可以利用len做布尔判断筛选出异常长度的值。
- 如果异常格式的值高于这个比例，利用pd.to_datetime的参数做处理。
2.1.1 例子一：时间格式不统一导致的错误
s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000'] * 1000)
print(pd.to_datetime(s, infer_datetime_format=False)[1])
print(pd.to_datetime(s, format='%m%d%Y', errors='coerce')[1]) #强制转换成NaT
print(pd.to_datetime(s, format='%m%d%Y', errors='ignore')[1]) #忽略错误，返回原始数据
优先使用infer_datetime_format参数
当然，正确的转换是这样的：
image.png
2.1.2例子2：转换为特定精度的时间序列数据
第一步：to_datetime()
第二步：astype(datetime64[D]),astype(datetime64[M])
image.png
本例中：
#此处如果用format='%y%m%d'，则只能识别出年份中的两位数，例如1997只能识别成97
pd.to_datetime(df['order_dt'],format='%Y%m%d')
format中的字幕指代
df.order_dt.astype('datetime64[D]') #转化为datetime64，精度为日
df.order_dt.astype('datetime64[M]') #转化为datetime64，精度为月
精度为日
精度为月
2.pd.to_datetime()处理后的数据环比计算后去掉单位
order_dt_diff必须是Timedelta('0 days 00:00:00')格式，可能是序列使用了diff()
或者pct_change()。
order_dt_diff/np.timedelta64(1,'D') #此处order_dt_diff为设定的时间单位计算的差值保存变量
#如果不进行操作，会有单位D存在
image.png
3.Timedelta和datetime.timedelta()是有区别的
前者往往要通过'/np.timedelta'去掉单位days。后者其实没有单位。
image.png
4.时间格式（datetime.date()）和字符串(str)的相互转化需要使用到datetime.strftime()和datetime.strptime()函数
image.png
5.时间维度的提取
假如我们要统计某共享单车一天内不同时间点的用户使用数据，例如
image.png
df['start_time'].dt.hour.unique()
还有其他维度的提取，年、月、日、周，参见：
Datetime properties
注意：.dt的对象必须为pandas.Series,而不可以是Series中的单个元素
image.png