30天拿下Python之datetime模块

简介: 30天拿下Python之datetime模块

概述

在上一节,我们介绍了Python的time模块,包括:time模块中一些常用的属性和函数。在这一节,我们将介绍Python的datetime模块。datetime模块属于Python的内置模块,提供了一种方便的方法来处理日期和时间。该模块包含了许多类,包括:date、time、datetime、timedelta等,用于处理日期、时间、时间差信息等。

下面,我们将逐一介绍datetime模块中一些常用的函数和类。

datetime.date类

datetime.date(year, month, day)是表示日期的类,包含年、月、日等信息。它接受三个参数:年份(year)、月份(month)和日期(day),用于指定一个特定的日期。

import datetime
d = datetime.date(2023, 9, 18)
# 输出:2023-09-18
print(d)
# 输出:2023 9 18
print(d.year, d.month, d.day)


datetime.time类

datetime.time(hour, minute, second, microsecond)是表示时间的类,包含时、分、秒和微秒等信息。它接受四个参数:小时(hour)、分钟(minute)、秒(second)和微秒(microsecond),用于指定一个特定的时间。

import datetime  
t = datetime.time(9, 18, 9, 18)
# 输出:09:18:09.000018
print(t)
# 输出:9 18 9 18
print(t.hour, t.minute, t.second, t.microsecond)


datetime.datetime类

datetime.datetime(year, month, day, hour, minute, second, microsecond)是表示日期和时间的类,是date和time类的结合体。它接受七个参数:年份(year)、月份(month)、日期(day)、小时(hour)、分钟(minute)、秒(second)和微秒(microsecond),用于指定一个特定的日期和时间。

import datetime  
dt = datetime.datetime(2023, 9, 18, 9, 18, 9, 18)
# 输出:2023-09-18 09:18:09.000018
print(dt)
# 输出:2023 9 18
print(dt.year, dt.month, dt.day)
# 输出:9 18 9 18
print(dt.hour, dt.minute, dt.second, dt.microsecond)



datetime.timedelta类

datetime.timedelta(days, seconds, microseconds)是表示时间差的类,包含天数、秒数和微秒数等信息。它接受三个参数:天数(days)、秒数(seconds)和微秒数(microseconds),用于指定时间差的大小。

import datetime
td = datetime.timedelta(days = 1, seconds = 100)
# 输出:1 day, 0:01:40
print(td)
# 输出:1 100 0
print(td.days, td.seconds, td.microseconds)
# 输出:86500.0
print(td.total_seconds())



datetime.tzinfo类

datetime.tzinfo是表示时区信息的类,用于处理时区相关的操作。该类是一个抽象类,常用的子类包括:timezone、pytz等。从该类创建子类时,必须重写name()、utcoffset()、dst()这三个函数。datetime.tzinfo类在日常工作中用得比较少,这里就不再详细介绍了。

datetime.now()函数
datetime.now()函数用于获取当前的日期和时间。
import datetime
# 输出:2023-09-17 20:29:10.606024
print(datetime.datetime.now())


datetime.strptime()函数

datetime.strptime(date_string, format)函数用于将字符串解析为日期和时间。其中,date_string是要解析的字符串,format是字符串的格式,返回值是一个datetime对象,包含了从字符串中解析出来的日期和时间信息。

import datetime
date_str = "2023-09-18 09:18:00"
date_format = "%Y-%m-%d %H:%M:%S"
date_obj = datetime.datetime.strptime(date_str, date_format)
# 输出:2023-09-18 09:18:00
print(date_obj)


相关文章
|
12天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2522 18
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
8天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1525 15
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
4天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
10天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
596 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19283 30
|
10天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
498 49
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18842 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17530 13
Apache Paimon V0.9最新进展
|
3天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
368 4
叮咚!您有一份六大必做安全操作清单,请查收