相信大多数数据分析师在入手python的时候,在学习到time库与datetime库时,都会对两个库里面长得很像,又相互有关联的各种类和方法感到非常窝心。当接触到pandas处理时间序列的方法时,再次发现其中各种类和方法又和前面两个时间库的方法“长得好像又似乎有点不同”,此时,想必每个强迫症学习着内心早已经发出“土拨鼠呐喊”。
趁着宅在家躲疫情的间隙,托福司机重新对这3块知识内容重新梳理,及时制止内心的土拨鼠继续呐喊,现分享给大家。
(一) time库
1. time库与datetime库的关系
在 Python 文档里,time是归类在Generic Operating System Services中,换句话说,它提供的功能是更加接近于操作系统层面的。
而datetime库比time库高级了不少,提供了更多实用的方法,可以理解为datetime基于time进行了封装。
我们先看一下time库。
time库主要围绕unix时间戳进行操作,主要包含一个类:struct_time。
那什么是unix时间戳?它是指格林威治时间1970年01月01日00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总秒数,比如格林威治时间1970年01月01日00分01秒就以数值1来记载。
time库中只要有四个函数可以获得时间函数,其中time.time()方法就可以获得当前时间戳:
比如我们想获得当前unix时间戳,unix时间戳以浮点数记载:
获得当地时区的unix时间戳:
这里我们会发现,上面的unix时间戳不再以浮点数记载,而是struct_time对象,里面一共记载了九个时间元素,分别是年月日时分秒,tm_wday是这周的第几天(周一是0),tm_yday是这年的第几天,tm_isdst是夏令时。
除此以外,time.localtime()还可以把unix时间戳转化为struct_time格式:
2. struct_time对象的格式化
time库中对时间进行格式化的方法主要是通过time.strftime()方法,基本用法如下:
l time.strftime(tpl,ts)
§ tpl:格式化模块字符串,用来定义输出效果
§ ts:计算机内部时间类型变量,一般使用struct_time对象
该方法返回的对象其实是字符串,比如将上面的struct_time对象gmtime进行时间格式转化:
上面的'%Y-%m-%d %H:%M:%S'是用来转化strcut_time对象的格式化字符串,除此以外还有:
这个表很重要,我们后面在datetime库中的对象以及pandas的datetime型Series对象在日期格式化操作的时候,都能用得上。
而如果我们想要将字符型的时间转化为struct_time对象,可以用time.strptime()方法,格式刚好与time.strftime()方法对应。
比如,如果有字符串时间'2020-02-01 16:49:11',要将其转化为struct_time对象:
3. time库中的休眠时间
time库中最常用的方法还有time.sleep(),比如,如果我们想要程序等待3.3秒之后再输出,可以写time.sleep(3.3)
time.sleep()方法在爬虫等各种程序中应用较广,再次不在累述。
(二) datetime库
datetime库可以说是time库的高级封装,在各种日期数据处理方面,相对于time库,datetime库作了进一步的升级。
datetime库主要记载时间的类有datetime.date类、datetime.time、datetime.datetime类。
1. datetime.date类
在datetime库中,可以通过datetime.date()方法生成年、月、日时间,返回的对象是datetime.date类。
这里要注意,datetime.date类只记录年、月、日这三个时间元素,不记录时分秒等其他时间元素。
通过datetime.date()方法中的参数year、month、day指定年、月、日三个时间元素。
我们可以通过datetime.date.today()方法来获得当前的日期,该方法返回的对象也是datetime.date类。
(1) datetime.date类的属性
另外,datetime.date类常用的属性有year、month、day。参数都为整数:
(2) datetime.date类时间格式化方法
datetime.date类的时间格式化方法也叫strftime(),比如当前我们有datetime.date对象date_samp如下:
通过datetime.date对象直接调用.strftimie()方法进行指定时间格式转换如下:
而格式化字符串可以参考前面time库的表格。这里大家会发现,虽然格式化方法的strftime()的名字和前面一样,且格式化字符串也和前面time库的是一样的,但是其调用方式却又不相同,这也是为什么很多同学两个时间库的格式化方法总是不小心写错的原因。
当然,像上面这种常见的字符串日期类型,每次都要使用这么复杂的格式化字符串来转换,未免太过繁琐,其实datetime.date对象可以直接使用方法.isoformat()来转化:
和datetime.date类的属性相似,datetime.time类也有类似的属性:
而时间格式化的方法和datetime.date类一样,也是通过datetime.time对象的.strftime()方法来调用:
(3) unix时间戳转换
time库中的unix时间戳,如何转化为datetime.date类?用实例的方法.fromtimestamp()即可,比如我们有当前的时间戳current_timestamp:
上面的时间戳我们如果想获得其中的日期的话,可以使用
datetime.date.fromtimestamp()方法直接转换:
当然,返回来的也是datetime.date类的对象。
4. datetime.time类
datetime库中的datetime.time类用来记载时间,包括时、分、秒、毫秒。
datetime.time()方法可以创建datetime.time类的对象,参数包括hour、minute、second、microsecond。
datetime.time类的属性:
而时间格式化的方法和datetime.date类一样,也是通过datetime.time对象的.strftime()方法来调用:
上面可以看到,datetime.time对象的.strftime()方法返回来的对象也是字符串。
同样地,datetime.time对象也有.isoformat()方法:
但是需要留意的是, datetime.time对象并没有.fromtimestamp()方法来进行时间戳转换。
5. datetime.datetime类
datetime.datetime类的对象主要是用作记录年月日、时分秒等时间单位,我们可以把它看做是datetime.date类和datetime.time类的“结合体”。
创建datetime.datetime类对象的方法和datetime.time类也是基本一致的,参数包含year、month、day、hour、minute、second、microsecond。 但是至少要包含year、month、day三个参数。
而datetime.datetime类的时间格式化的方法,也是.strftime(),格式化字符串和前面也是一致的:
datetime.datetime对象的.isoformat()方法返回结果会有点“与众不同”,日期和时间之间多了一个字符‘T’:
而如果想快速获得当前的日期时间,可以使用datetime.datetime.now():
6. datetime.timedelta类
datetime.timedelta类用来记录时间间隔类,给一个时间点加减此类,即可得到一个新的时间。
datetime.timedelta()方法可以用来创建datetime.timedelta对象,参数包含days、hours、minutes、seconds、microseconds。
比如我们创建一个45天零6小时的时间间隔:
时间间隔对象生成后,就可以使用datetime对象对其进行加减:
(三) time库与datetime库时间对象互转
看到这里,相信很多同学内心的土拨鼠都在惨叫:太多东西要记了,我太难啦~
确实,使用Python写爬虫等程序时,时常需要用到time库与datetime库中的各种时间对象,最为头疼的地方往往是各种时间格式转换。其实,在了解time库和datetime库的各种类和属性方法后,记住下面这张图可以事半功倍:
我们通过一下过程捋一下思路:
字符串型时间转datetime.datetime对象,用
datetime.datetime.strptime()方法:
datetime.datetime转字符串,用datetime.datetime实例的.strftime()方法:
字符串型时间转struct_time,用time.strptime()方法:
struct_time转字符串型时间,用time.strftime()方法:
struct_time转unix时间戳,用time.mktime()方法:
unix时间戳转struct_time,用time.gmtime()或time.localtime()方法:
今天我们把python中time库与datetime库几个主要的时间对象的方法都理清楚了,同时将其互转的规律也作了总结和归纳。篇幅有限,我们在下一系列的文章里,继续探讨pandas库中的时间对象和time库、datetime库的对象相互之间的关联性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10