上一篇文章中，我們理清楚了time庫以及datetime庫中各種時間對象的處理方法，以及相互之間的轉化方法。
我們發現，time庫以及datetime庫中，確實存在名字相同，但是調用方法與所屬類完全不一樣的情況，這也是造成使用過程中各種混淆的原因。
今天我們把Pandas庫中處理時間的各種函數與方法也加進來討論，當然，由於Pandas中處理時間的方法和類太多太強大，我們僅僅是對其中探討Pandas其中部分，特別是其中與time庫、datetime庫有關聯且又容易混淆的相關知識。
(一) 此Timestamp非彼Timestamp
相信在讀過前面一篇文章的同學，對time庫中的unix時間戳還有印象，但是Pandas中的Timestamp對象和unix時間戳格式完全不同。
Pandas中的Timestamp對象可以說是Pandas中時間序列對象的“細胞”，如果我們有datetime64[ns]型Series對象如下：
你會發現當你提取Series第一個元素出來，返回來的就是一個Timestamp對象。當然，我們也可以自己創建一個Timestamp對象：
從上面的代碼你會發現，你可以將unix時間戳、字符串型日期、datetime庫中datetime.datetime通過pd.Timestamp()方法直接轉化爲Timestamp對象。
反過來呢？如果想將把Timestamp對象轉化爲unix時間戳，可以使用pd.Timestamp.timestamp()方法：
(二) 生成時間序列
Pandas作爲處理多維數組的“神器”，本篇文章講的當然是處理時間序列的方法。其中，Pandas中生成時間序列的方法不少，最常用的方法是pd.date_range()，我們看一下其使用方法：
l pd.date_range(start, end, freq) 生成一個時間段
n start:開始時間，參數可以是datetime庫中的datetime對象，也可以是字符串。
n end:結束時間，參數可以是datetime庫中的datetime對象，也可以是字符串。
n freq:時間頻率，'Y'表示年，'M’表示月，'D’表示天，'H’表示小時，'Min’表示分鐘
注意，這裏開始時間和結束時間的參數指向的對象，是可以是datetime.datetime對象：
當然，這裏的開始時間除了可以使用datetime.datetime實例以外（這裏注意，是使用的datetime庫中的類，而不是Pandas庫），也可以用字符串來表示。
以start_time爲2019年7月17日爲例，start_time也可以是字符串'20190717'、'2019-07-17'、'2019/07/17'...
從上面可以看到，pd.date_range()方法生成的是長度爲200、數據類型爲datetime的DatetimeIndex對象，時間頻率是天。
也就是說，2019年7月17日到2020年2月1日，算上始末的日期，一共200天。這是因爲默認的頻率是每天，freq='D'。 也可以通過改變時間頻率，詳情參考上面的使用方法添加修改freq參數即可。
如果我們想要2019年7月17日爲起始，按照每天的時間頻率，生成長度爲200的DataIndex對象，可以這樣寫：
相應地，如果想要以2020年2月1日爲結束日，按照每天的時間頻率，生成長度爲200的DataIndex對象，可以這樣寫：
(三) .to_datetime()方法
當然，上面的方法生成的是DatetimeIindex對象，可以通過pd.Series()方法轉化爲Series對象：
但是對於不規範的日期字符串Series，需要使用pd.to_datetime()方法來對其進行轉換，比如：
(四) DateOffset類
datetime庫中有timedelta類作爲日期的增減，Pandas中也有專門的DateOffset類作爲時間間隔對象，可以直接作用在上面的datetime型Series對象中。
其使用方法和datetime.timedelta類相似，但是要注意的是裏面的參數名最後都加了's'。
datetime型Series對象可以直接使用DataOfffset對象進行日期加減：
也可以作用在DatetimeIndex對象中：
(五) 時間序列日期格式化
要對datetime型的Series對象進行日期格式轉換，可以通過Series實例的方法.dt.strftime()，其格式化字符串依然可以參照datetime庫中的格式化字符串對照表：
要對datetime型的Series對象進行日期格式轉換，可以通過Series實例的方法.dt.strftime()，其格式化字符串依然可以參照文章開頭的datetime庫中的格式化字符串對照表：
但是如果留心的話可以發現，轉化之後的數據類型，已經從datetime型變成object類，也就是字符串。
如果把字符串時間date_03重新轉化爲datetime型Series，用上面提到的pd.to_datetime()方法即可：
(六) 結後語
time庫和datetime庫以及Pandas中各種對象處理時間的方法，雖然錯綜複雜又相互關聯，但是其實在使用方面有所側重和不同。
time庫以及datetime庫的對象，一般用在程序設計的中涉及到時間的問題，比如爬蟲的時候在獲得的不規則時間時碰到的格式轉換問題，會使用很多。
Pandas中各種與時間相關的類非常多，方法非常豐富，涉及到時間處理的各個方面，主要用作序列數據的處理方面，這和time庫與datetime庫對單獨某些日期數據處理不同。
就數據分析工作而言，對時間序列數據處理的時候Pandas用得非常多，以至於很多人幾乎都忘記time庫與datetime庫的存在。總體而言，對於數據分析初學者而言，可以把Pandas作爲重點學習方面，但是time庫和datetime庫作爲Python標準庫，其時間類的基本使用方法的學習是必不可少的。