Python datatime库详解(一码一图)

简介: Python datatime库详解(一码一图)

在之前的一篇文章已经讲了很多语法了,也涉及了很多这个库的基础知识


时间就像一个沙漏,不知不觉溜走太多的东西,回过头才发现原来现在才是多么的珍贵


一饭一茶思

一语一书文

日月终不汇

分秒亦必争


直接上代码和图片


import datetime
import time
a=datetime.datetime.now()#打印现在的时间,详细的时间
print(a)
time.sleep(6)#延时6秒
b=datetime.datetime.now()#打印现在的时间
print(b)
print(b-a)#求出时间差

image.png

c=datetime.datetime.now().date()#获取当前的日期,年月份
print(c)
d=datetime.datetime.now().timetuple()#获取每个时间的序列
print(d)
e=datetime.datetime.now().timetuple().tm_mon#获取月份(tm_year, tm_mon, tm_mday, tm_hour, tm_min, tm_sec, tm_wday, tm_yday, tm_isdst)
print(e)#还可以获取不同的值
f=datetime.datetime.now().date()+datetime.timedelta(days=2)
# 在我们现在的日期里面加入2天,最后打印出来,这里要注意,模块的使用,有优先级的混淆
print(f)
g=datetime.datetime.now()+datetime.timedelta(hours=2)
# 在现在的时间里面向后推迟2个小时
print(g)

image.png


f=datetime.date(day=1,month=datetime.date.today().month,year=datetime.date.today().year) -\
       datetime.timedelta(days=1)
# 求出上一个月的最后一天日期,就用这个月的第一天减1天,这个里面的参数可以改动,默认为月份初始化天
print(f)
g=datetime.datetime.utcnow()#获取世界时间
print(g)
h=datetime.datetime.now()
print(h)
i=h-g#时差计算
print(i)

image.png


j=datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")#时间类型转为字符串类型
k=datetime.datetime.now()#时间类型
print(type(j))#显示类型
print(type(k))
print(j,end=";")
print(k)
# 看起来差不多,其实有很多差别,最基本的类型就不一样

image.png

l=datetime.datetime.strptime("2020-08-18 16:58:46","%Y-%m-%d %H:%M:%S")
# 字符串转为时间类型
print(l)
m=datetime.datetime.now().isocalendar()
# 返回这个日期是多少年,第几周,第几天
print(m)

image.png

input_date_str=input('请输入一个日期: ')
# 把输入的时间转换为时间类型
input_date=datetime.datetime.strptime(input_date_str,'%Y-%m-%d')
# 利用date.strftime("%j")  计算这个是第几天
days=int(input_date.strftime("%j"))#转换int类型
print(input_date_str+'是一年中的第 '+str(days)+' 天')

image.png

# 显示为时间格式
print(datetime.time(21,28,14,123456)) # 21:28:14.123456
# 显示为日期格式
print(datetime.date(2019,12,14))  # 2019-12-14
# 显示为日期时间格式
print(datetime.datetime(2019,12,14,21,32,48,456)) # 2019-12-14 21:32:48.000456

image.png

# 通过日期算用户活了多久
user_birthday = [2001, 7, 1]
# 现在的时间 - 用户的生日
how_day = datetime.datetime.now() - datetime.datetime(*user_birthday)
print(how_day)

image.png

print(datetime.datetime.now().timestamp())  # 时间戳的计算是从1900年1月1日0点开始的, 显示的数值单位为秒
print(datetime.datetime.fromtimestamp(1564229940.623349)) #时间戳转化为日期时间

image.png

now = datetime.datetime.now()
# 获取一天前的日期
print(now - datetime.timedelta(days=1))
# 获取1天20小时20分后的日期
print(now + datetime.timedelta(days=1, hours=20, minutes=20))
# timedelta的参数里面有days,hours,minutes......这些东西,我们可以自己定义然后进行相关运算

image.png

相关文章
|
13天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
16天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
45 0
|
9天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
26 4
|
9天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
20 2
|
15天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
15天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
21 3
|
18天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
39 5
|
17天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
30 2
|
8天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
15天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
32 0