python内置模块datetime.date类详细介绍

2024-09-01 23:44

本文主要是介绍python内置模块datetime.date类详细介绍,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

      Python的datetime模块是一个强大的日期和时间处理库,它提供了多个类来处理日期和时间。主要包括几个功能类datetime.date、datetime.time、datetime.datetime、datetime.timedelta,datetime.timezone等。

使用datetime模块

要使用 datetime模块,直接导入它即可。

import datetime 或者 from datetime import time,datetime,date,timedelta

date类

主要用于处理年,月,日,不涉及小时、分钟等。

以下主要介绍常用的该类中的函数。

1. today()

是date类的类方法,不需要初始化,可直接调用。

返回当前时间对应的年,月,日,返回的格式如2024-09-01。

测试代码:

print(datetime.date.today())

执行后结果:2024-09-01

2 fromtimestamp(t)

是date类的类方法,不需要初始化,可直接调用。

参数t表示传入的时间戳(自1970年1月1日以来的秒数),返回的是时间戳对应的年月日。上面的today函数调用了该函数。

测试代码:

print(datetime.date.fromtimestamp(360000))

执行后结果:1970-01-05

3 fromordinal(n)

是date类的类方法,不需要初始化,可直接调用。

参数n表示从公元1年1月1日开始的整数天数,其中公元1年1月1日的表示第1天。

测试代码:

#打印从公元1年1月1日开始第3606天对应的年月日

print(datetime.date.fromordinal(3606))

执行后结果:0010-11-15

4 fromisocalendar(year, week, day)

是date类的类方法,不需要初始化,可直接调用。

该函数可以获取某一年第几个星期的第几天对应的年月日,参数year,week,day对应的是年,星期,每个星期的第几天。

测试代码:

#打印2024年第25个星期的第7天对应的年月日

print(datetime.date.fromisocalendar(2024,25,7))

执行后结果:2024-06-23

5 strftime(format)

该函数将日期格式化为字符串,format参数使用%Y,%m,%d分别代表年月日。

%Y:年份,比如2024

%m:月份,比如01,02,直到12

%d:天数,比如一个月中的第1天,第2天,直到第31天

%H:小时,为24小时制,比如从00,01直到23

%M:分钟,比如从00,01直到59

%S:秒数,比如从00,01直到59

%z: UTC时区偏移

%a :缩写的星期几,比如Sat代表星期六

%L:完整的星期几,比如Staturday代表星期六

%b:缩写的月份,比如Aug代表8月份

%B :完整的月份,比如August代表8月份

%c:按照一定格式展示,比如Sat Aug 31 14:01:17 2024

%I:小时,为12进制。比如01,02,直到12

%p: AM或PM

测试代码:

#date类使用年月日先初始化

date_ins = datetime.date(2024,9,1)
print(date_ins.strftime('%Y/%m/%d'))

结果:2024/09/01

6 ctime()

该函数返回的日期为字符串,格式为固定的“Sun Sep 1 00:00:00 2024”

测试代码:

#date类使用年月日先初始化

date_ins = datetime.date(2024,9,1)
print(date_ins.ctime())

结果:Sun Sep 1 00:00:00 2024

7 toordinal()

该函数将日期转为从公元1年1月1日以来的天数,与上面的函数fromordinal功能正好相反。

测试代码:

#date类使用年月日先初始化

date_ins = datetime.date(2024,9,1)

#2024年9月1日对应的天数

print(date_ins.toordinal())

结果:739130

8 timetuple()

该函数返回日期的元组格式,跟之前time模块中说明的元组格式是一样的

测试代码:

#date类使用年月日先初始化

date_ins = datetime.date(2024,9,1)
print(date_ins.timetuple())

结果:

time.struct_time(tm_year=2024, tm_mon=9, tm_mday=1, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=6, tm_yday=245, tm_isdst=-1)

9 日期的加减运算

在初始化日期的基础上计算n天前或者n天后对应的日期。

需要配合使用datetime.timedelta类。

举例:

  • 计算某个日期在50天后对应的日期
date_ins = datetime.date(2024,9,1)
print(date_ins + datetime.timedelta(days=50))

结果:2024-10-21

  • 计算某个日期在50天前对应的日期
date_ins = datetime.date(2024,9,1)
print(date_ins + datetime.timedelta(days=-50))

结果:2024-07-13

  • 计算两个日期相差的天数

计算24年11月10日和24年9月1日相差的天数

date_ins = datetime.date(2024,9,1)
date_ins2 = datetime.date(2024,11,10)
print(date_ins2 - date_ins)

结果:70 days, 0:00:00

共勉: 东汉·班固《汉书·枚乘传》:“泰山之管穿石,单极之绠断干。水非石之钻,索非木之锯,渐靡使之然也。”

-----指水滴不断地滴,可以滴穿石头;

-----比喻坚持不懈,集细微的力量也能成就难能的功劳。

----感谢读者的阅读和学习,谢谢大家。

这篇关于python内置模块datetime.date类详细介绍的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128384

相关文章

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该