本文將通過幾個例項，介紹pandas中Timestamp型別的基本用法。包括如何建立時間型別資料，如何從檔案中讀取時間型別資料以及如何將時間型別資料寫入檔案。

pandas支援使用多種不同的字串格式或資料型別建立Timestamp型別。下面我們透過一個程式來演示一下如何構造Timestamp變數。

構造Timestamp型別變數最簡單的方式就是直接把表示日期的字串（例如：2021-02-22）作為引數傳給pandas.Timestamp函式。原始碼的第17行，就是這種用法。

Timestamp函式也單獨提供了year, month, day引數，例如原始碼的第19行。

Timestamp也支援用Numpy的datetime64型別構造變數，例如原始碼的第21行，程式先用np.datetime64構造一個datetime64型別的變數，然後再用這個變數構造Timestamp型別的變數。

Timestamp可以使用datetime型別構造變數。原始碼的第23行，就是先用datetime庫的datetime函式構造一個datetime型別的變數，再用這個變數構造Timestamp型別變數。

如果我們想構造一個空值，在初始化時，應該使用pandas的NaT，演示語句為原始碼的第25行。

在實際工作中，我們更多的是從檔案中讀取時間變數，而不是自己構造變數。下面我們透過程式演示一下從Excel中讀取時間變數的方法。首先我們看一下準備讀取的excel檔案內容。

程式的原始碼如下所示：

在程式的第16行，我們使用read_excel函式就可以讀取Excel檔案。如果日期列比較規整，或者檔案比較小，我們直接讀取檔案就可以了。下圖為程式的執行結果：

Excel檔案中資料的第9行，客戶9的發放日期沒有內容，在讀取到DataFrame中時，pandas直接為我們設定為NaT。

這裡有一個地方需要重點關注一下，就是dtype引數。如果read_excel無法正確識別列的資料型別，我們可以直接使用dtype={u'發放日期': np.datetime64}指定資料型別。

下面我們演示一下讀取帶時間型別的csv檔案。

read_csv函式讀取csv檔案，與上面的read_excel類似。程式的第16行，我們指定了檔案的編碼格式為gbk。

唯一需要關注的還是日期型別的解析，如果欄位無法進行解析，就需要使用parse_dates引數，引數是一個列表，如果有多個欄位有問題，可以傳入多個值。列表中的值為欄位的順序，欄位是以0開始，像上面的例子，4的含義是發放日期是第5列。

最後我們再看一下如何寫入時間型別的資料。原始碼如下所示：

如果我們直接儲存excel檔案，我們會把年月日時分秒都儲存到檔案中。如下圖所示：

如果只想保留年月日，那我們可以把Timestamp物件轉換成date物件。原始碼的第36行，我們呼叫Timestamp的date函式，然後再儲存檔案時，將只會得到日期資料。