Python编程:time和datetime时间模块详解

简介: Python编程:time和datetime时间模块详解

image.png

说明:

绿色线条:timestamp -> datetime对象路径

橙色线条:datetime对象 -> timestamp路径

灰色线条:time模块 与 datetime模块 分界过渡


时间的四个存在方式

时间戳,float

元组形式, struct_time

字符串形式,str

时间对象 datetime, date, time

格式化


年-月-日 时:分:秒.毫秒
%Y-%m-%d %H:%M:%S.%f

代码实例

导入模块


# -*- coding:utf-8 -*-
import time
from datetime import datetime
from datetime import date
from datetime import timedelta

一、时间的获取

# 1、获取当前时间的时间戳
t = time.time()
# <type 'float'>, 1525687472.870682
# 2、获取当前时间元组
t = time.localtime()
# <type 'time.struct_time'>,
# time.struct_time(tm_year=2018, tm_mon=5, tm_mday=7, tm_hour=18, 
#        tm_min=5, tm_sec=47, tm_wday=0, tm_yday=127, tm_isdst=0))
# 3、获取当前时间的字符串
# 本地时间
t1 = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
t2 = time.strftime("%Y-%m-%d %H:%M:%S",time.localtime())
# utc时间:就是0时区的区时,比北京时间晚8小时
t3 = datetime.utcnow().strftime("%Y-%m-%d %H:%M:%S")
t4 = time.strftime("%Y-%m-%d %H:%M:%S",time.gmtime())
"""
<type 'str'>, '2018-05-07 18:03:38'
<type 'str'>, '2018-05-07 18:03:38'
<type 'str'>, '2018-05-07 10:03:38'
<type 'str'>, '2018-05-07 10:03:38'
"""
# 4、获取时间对象
# 获取当前日期和时间 datetime
t = datetime.now()
# (<type 'datetime.datetime'>, 
# datetime.datetime(2018, 5, 7, 18, 10, 13, 538265))
# 获取当前日期 date
t1 = datetime.now().date()
# (<type 'datetime.date'>, datetime.date(2018, 5, 7))
# 获取当前时间 time
t2 = datetime.now().time()
# (<type 'datetime.time'>, datetime.time(18, 11, 4, 939271))

二、时间的计算

t = datetime.now() - timedelta(days=3)

三、时间形式之间的转换

# 1、时间戳与时间元组
# 时间戳 -> 时间元组:
t = time.localtime(1525681106.08)
# 时间元组 -> 时间戳
t = time.mktime(time.localtime())
# 2、时间元组与字符串
# 时间元组 -> 字符串
t = time.strftime("%Y-%m-%d %H:%M:%S",time.localtime())
# 字符串 ->  时间元组
t = time.strptime("2018-01-07 17:26:24","%Y-%m-%d %H:%M:%S")
# 3、时间戳与字符串
# 时间戳 -> 字符串
t = time.strftime("%Y-%m-%d %H:%M:%S",time.localtime(1525681106.08))
t = datetime.fromtimestamp(1525681106.08).strftime("%Y-%m-%d %H:%M:%S")
# 字符串 -> 时间戳:
t = time.mktime(time.strptime("2018-01-07 17:26:24","%Y-%m-%d %H:%M:%S"))
# 4、时间戳与datetime对象
# 时间戳 -> datetime对象
t = datetime.fromtimestamp(1525681106.08)
# UTC
t = datetime.utcfromtimestamp(1525681106.08)  
# datetime对象 -> 时间戳
t = time.mktime(datetime.now().timetuple())
# 不过要注意的是time是从1900开始计算的。而datetime包含1-9999的范围
t = datetime.now().timestamp()
# 5、时间元组与datetime对象
# 时间元组对象 -> datetime对象 
t = datetime.fromtimestamp(time.mktime(time.localtime()))
# datetime对象 -> 时间元组对象
t = datetime.now().timetuple()
# 6、字符串与datetime对象
# str字符串 -> datetime对象 
t = datetime.strptime("2018-01-07 17:26:24", "%Y-%m-%d %H:%M:%S")
# datetime对象 -> str字符串
t = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
# 7、datetime, data, time 对象之间转换
# datetime对象 -> date对象
t1 = datetime.now().date() 
# datetime对象 -> time对象
t2 = datetime.now().time()
# date对象 + time对象 -> datetime对象
t = datetime.combine(t1, t2)
# <type 'datetime.datetime'>
# 8、date对象与时间戳
# 时间戳  ->  date对象
t = date.fromtimestamp(time.time())

参考:


之前写过的time模块 Python编程:time时间模块

time,datetime中字符串,时间对象,和时间戳的转换学习整理

相关文章
|
2月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
313 7
|
2月前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
235 0
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
293 102
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
181 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
437 3
|
2月前
|
JSON 算法 API
Python中的json模块:从基础到进阶的实用指南
本文深入解析Python内置json模块的使用,涵盖序列化与反序列化核心函数、参数配置、中文处理、自定义对象转换及异常处理,并介绍性能优化与第三方库扩展,助你高效实现JSON数据交互。(238字)
365 4
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
267 3
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
269 0
|
2月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
182 0
|
3月前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
124 4

推荐镜像

更多