博客
关于我
python-时间模块库
阅读量:503 次
发布时间:2019-03-07

本文共 2868 字,大约阅读时间需要 9 分钟。

目录


time库

import timeprint(time.time())  # 获取当前时间戳print(time.ctime())  # 获取当前时间的并以字符串返回print(time.asctime())  # 同ctime()方法a  = time.gmtime()  # 获取当前格林威治时间,表示计算机可处理的时间输出,可添加时间戳参数b = time.localtime()  # 获取本机时间,表示计算机可处理的时间输出,可添加时间戳参数print(type(a),a)print(type(b),b)# 格式输出时间,strftime(tpl,ts)  tpl:时间格式,ts:计算机内部时间formats = '%Y-%m-%d  %H:%M:%S'print(time.strftime(formats,a))print(time.strftime(formats,b))# 使用时钟信号进行计时,精确到毫秒,返回cpu级别的精确时间值,通产用来做程序计时应用,比time.time()更加精确time1 = time.perf_counter()time2 = time.perf_counter()print(time2-time1)ti1 = time.time()ti2 = time.time()print(ti2-ti1)# 格式化时间与时间戳的转换print(time.mktime(b))  # struct_time时间转为时间戳print(time.strptime('2020-10-29  17:55:03',"%Y-%m-%d %H:%M:%S"))  # 字符串时间转为struct_time时间print(time.localtime(time.time()))  # 时间戳转为struct_time时间# 获取系统重启后到当前的时长print(time.monotonic())

 datetime库

datetime库是基于time库的封装库,time库更适用于时间的提取和简单操作,datetime库是更强大的时间和日期库。

datetime中四个大类

date日期对象,常用属性:year\month\day

time时间对象,常用属性:hour \ minute \ second \ millisecond

datetime日期时间对象

timedelta时间间隔

import datetimeformats = '%Y-%m-%d  %H:%M:%S'# time类,时、分、秒、毫秒print(datetime.time(20,5,38,9898))# date类,年、月、日print(datetime.date(2020,5,20))# datetime类,年、月、日、时、分、秒、毫秒print(datetime.datetime(2020,8,25,20,45,39,888888))# datetime的datetime类方法print(datetime.datetime.now())  # 获取当前时间print(datetime.datetime.now().timestamp())  # 日期时间转化为时间戳:时间日期对象.timestamp()print(datetime.datetime.fromtimestamp(1634231316.756675))  # 时间戳转为日期时间:datetime.fromtimestamp(时间戳)print(datetime.datetime.now().strftime(formats))  # 日期时间对象转字符串:时间日期对象.strftime(format)print(datetime.datetime.strptime('2020-10-29  21:49:40',formats))  # 字符串转日期时间对象:datetime.strptime(data_str,format)# timedelta类,用来做时间运算。通过datetime.timedelta(间隔时间参数)和获的时间进行时间运算# 参数:days=0,econds=0, microseconds=0 milliseconds=0,minutes=0, hours=0, weeks=0print(datetime.datetime.now() + datetime.timedelta(days=20))  # 计算20天后的时间

 计算已生存时间

def count_time():    bri_year = input('请输入你的出生年份:')    bri_mon = input('请输入你的出生年份:')    bri_day = input('请输入你的出生年份:')    bri_time = datetime.datetime.strptime('%s-%s-%s'%(bri_year,bri_mon,bri_day),'%Y-%m-%d')    nowtime = datetime.datetime.now()    count = nowtime - bri_time    print('你活了%s'%count)    count_time()

天干地支纪年

import timefrom datetime import datetimefrom zhdate import ZhDatedef year():        TG = ['甲', '乙', '丙', '丁', '戊', '己', '庚', '辛', '壬', '癸']    DZ = ['子', '丑', '寅', '卯', '辰', '巳', '午', '未', '申', '酉', '戌', '亥']    yeartime = int(time.localtime().tm_year)    monthtime = int(time.localtime().tm_mon)    daytime = int(time.localtime().tm_mday)    date_lunar = ZhDate.from_datetime(datetime(yeartime, monthtime, daytime))    yeay_lunar = int(str(date_lunar)[2:6])    TG_idx = (yeay_lunar - 3) % 10    DZ_idx = (yeay_lunar - 3) % 12    output = f'今天是公元{yeartime}年{monthtime}月{daytime}日,({TG[TG_idx-1]}{DZ[DZ_idx-1]}年){str(date_lunar)}'    print(output)    year()

 

转载地址:http://vndjz.baihongyu.com/

你可能感兴趣的文章
NIFI大数据进阶_NIFI的模板和组的使用-介绍和实际操作_创建组_嵌套组_模板创建下载_导入---大数据之Nifi工作笔记0022
查看>>
NIFI大数据进阶_NIFI监控功能实际操作_Summary查看系统和处理器运行情况_viewDataProvenance查看_---大数据之Nifi工作笔记0026
查看>>
NIFI大数据进阶_NIFI监控的强大功能介绍_处理器面板_进程组面板_summary监控_data_provenance事件源---大数据之Nifi工作笔记0025
查看>>
NIFI大数据进阶_NIFI集群知识点_认识NIFI集群以及集群的组成部分---大数据之Nifi工作笔记0014
查看>>
NIFI大数据进阶_NIFI集群知识点_集群的断开_重连_退役_卸载_总结---大数据之Nifi工作笔记0018
查看>>
NIFI大数据进阶_内嵌ZK模式集群1_搭建过程说明---大数据之Nifi工作笔记0015
查看>>
NIFI大数据进阶_外部ZK模式集群1_实际操作搭建NIFI外部ZK模式集群---大数据之Nifi工作笔记0017
查看>>
NIFI大数据进阶_实时同步MySql的数据到Hive中去_可增量同步_实时监控MySql数据库变化_操作方法说明_01---大数据之Nifi工作笔记0033
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_01_实际操作---大数据之Nifi工作笔记0029
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
查看>>
NIFI大数据进阶_离线同步MySql数据到HDFS_说明操作步骤---大数据之Nifi工作笔记0028
查看>>
NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
查看>>
NIFI数据库同步_多表_特定表同时同步_实际操作_MySqlToMysql_可推广到其他数据库_Postgresql_Hbase_SqlServer等----大数据之Nifi工作笔记0053
查看>>
NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南001---大数据之Nifi工作笔记0068
查看>>
NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南002---大数据之Nifi工作笔记0069
查看>>
NIFI集群_内存溢出_CPU占用100%修复_GC overhead limit exceeded_NIFI: out of memory error ---大数据之Nifi工作笔记0017
查看>>
NIFI集群_队列Queue中数据无法清空_清除队列数据报错_无法删除queue_解决_集群中机器交替重启删除---大数据之Nifi工作笔记0061
查看>>
NIH发布包含10600张CT图像数据库 为AI算法测试铺路
查看>>
Nim教程【十二】
查看>>
Nim游戏
查看>>