python3数字、日期和时间

1、对数值进行取整

#使用内建的round(value,ndigits)函数来取整,ndigits指定保留的位数,在取整时会取值在偶数上,如1.25取一位会取整1.2,1.26会取整1.3
In [1]: round(1.23,1)
Out[1]: 1.2

In [2]: round(1.25,1)
Out[2]: 1.2

In [3]: round(1.26,1)
Out[3]: 1.3

In [4]: round(1.2645,3)
Out[4]: 1.264
#如果参数ndigits为负数的话会相应的取整到十位、白位和千位
In [1]: a = 1234567

In [2]: round(a,-1)
Out[2]: 1234570

In [3]: round(a,-3)
Out[3]: 1235000

#通过格式化操作取小数精度
In [4]: x = 1.23456

In [5]: format(x,‘0.2f‘)
Out[5]: ‘1.23‘

In [6]: ‘value is {:0.3f}‘.format(x)
Out[6]: ‘value is 1.235‘

2、执行精确的小数计算

#在数学计算中由于CPU的浮点运算单元特性导致会引入微小的误差
In [11]: a = 4.2

In [12]: b = 2.1

In [13]: a + b
Out[13]: 6.300000000000001

In [14]: (a + b) == 6.3
Out[14]: False

#可以通过Decimal模块来将数字以字符串的形式来指定,但它支持所有常见的数学操作
In [27]: from decimal import Decimal

In [28]: a = Decimal(‘4.2‘)

In [29]: b = Decimal(‘2.1‘)

In [30]: a + b
Out[30]: Decimal(‘6.3‘)

In [31]: print(a + b)
6.3

In [32]: print(type(a + b))
<class ‘decimal.Decimal‘>

In [33]: (a + b) == Decimal(‘6.3‘)
Out[33]: True
#decimal模块的主要功能是允许控制计算过程中的各个方面,包括数字位数的四舍五入,可以通过创建本地的上下文环境来修改其设定
In [34]: from decimal import localcontext

In [35]: a = Decimal(‘1.3‘)

In [36]: b = Decimal(‘1.7‘)

In [37]: a / b
Out[37]: Decimal(‘0.7647058823529411764705882353‘)

In [38]: with localcontext() as ctx:
    ...:     ctx.prec = 3  #指定精确位数
    ...:     print(a / b)
    ...:
0.765

In [39]: with localcontext() as ctx:
    ...:     ctx.prec = 30
    ...:     print(a / b)
    ...:
0.764705882352941176470588235294

#如果在数字进行运算时可以使用math.fsum()精确误差
In [41]: nums = [1.23,10,1,-10,-1.23]

In [42]: sum(nums)
Out[42]: 1.0000000000000004

In [44]: import math
In [46]: math.fsum(nums)
Out[46]: 1.0

3、对数值做格式化输出

In [47]: x = 1234.56789
#格式化时精确2位小数
In [48]: format(x,‘0.2f‘)
Out[48]: ‘1234.57‘
#右对齐宽度20精确小数3位格式化
In [49]: ‘value is{:>20.3f}‘.format(x)
Out[49]: ‘value is            1234.568‘
#左对齐宽度20精确小数位3位格式化
In [50]: ‘value is{:<20.3f}‘.format(x)
Out[50]: ‘value is1234.568            ‘
#剧中对齐20宽度精确3位小数位格式化
In [51]: ‘value is{:^20.3f}‘.format(x)
Out[51]: ‘value is      1234.568      ‘
#指定逗号为千位分隔符
In [52]: ‘value is{:^20,.1f}‘.format(x)
Out[52]: ‘value is      1,234.6       ‘
#使用科学计算法输出
In [53]: ‘value is{:^20,.4e}‘.format(x)
Out[53]: ‘value is     1.2346e+03     ‘

In [54]: ‘value is{:^20,.4E}‘.format(x)
Out[54]: ‘value is     1.2346E+03     ‘

4、同二进制、八进制和十六进制数打交道

In [55]: num = 12345
#转换为二进制
In [56]: bin(num)
Out[56]: ‘0b11000000111001‘
#转换为八进制
In [57]: oct(num)
Out[57]: ‘0o30071‘
#转换为十六进制
In [58]: hex(num)
Out[58]: ‘0x3039‘

#通过format()函数也可以转换,它会省去前面的标识0b\0o\0x
In [59]: format(num,‘b‘)
Out[59]: ‘11000000111001‘

In [60]: format(num,‘o‘)
Out[60]: ‘30071‘

In [61]: format(num,‘x‘)
Out[61]: ‘3039‘

#处理负数
In [62]: x = -1234

In [63]: format(x,‘b‘)
Out[63]: ‘-10011010010‘

In [64]: format(x,‘o‘)
Out[64]: ‘-2322‘

In [65]: format(x,‘x‘)
Out[65]: ‘-4d2‘
#通过字符串回转只需要通过int函数转换为数字并指定进制即可
In [66]: int(‘-4d2‘,16)
Out[66]: -1234

In [67]: int(‘-2322‘,8)
Out[67]: -1234

In [68]: int(‘-10011010010‘,2)
Out[68]: -1234

#在python中指定八进制的语法是在添加前缀0o,如修改文件权限时,不加上前缀将会报错
In [1]: import os

In [2]: os.chmod(‘test.py‘,0777)
  File "<ipython-input-2-ddababe9874c>", line 1
    os.chmod(‘test.py‘,0777)
                          ^
SyntaxError: invalid token

#指定数据为八进制
In [3]: os.chmod(‘test.py‘,0o0777)

5、从字节串中打包和解包大整数

In [4]: x = 23**23

In [5]: x
Out[5]: 20880467999847912034355032910567
#将大整数转换为字节串,使用int.to_bytes()方法,指定字节数和字节序即可
In [8]: x.to_bytes(16,‘big‘)
Out[8]: b‘\x00\x00\x01\x07\x8cnO}uE\x0b\x1f\xb3\xecj\xe7‘

#将字节转换为整数,使用int.from_bytes()方法,指定字节序即可
In [9]: data = b‘\x00\x00\x01\x07\x8cnO}uE\x0b\x1f\xb3\xecj\xe7‘

In [10]: len(data)
Out[10]: 16

In [11]: int.from_bytes(data,‘big‘)
Out[11]: 20880467999847912034355032910567
#指定从小到大的字节序
In [12]: int.from_bytes(data,‘little‘)
Out[12]: 307606851333435471716003534337847918592

#如果指定的字节数位数不够将会报错,可以使用int.bit_length()方法来确定需要多少位的值才能保存这个值
In [13]: xx = 523 ** 23
In [14]: xx
Out[14]: 335381300113661875107536852714019056160355655333978849017944067

In [15]: xx.to_bytes(16,‘little‘)
---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last)
<ipython-input-15-2f3e88637b10> in <module>()
----> 1 xx.to_bytes(16,‘little‘)

OverflowError: int too big to convert

In [17]: xx.bit_length()
Out[17]: 208

In [18]: x.to_bytes(208,‘little‘)
Out[18]: b‘\xe7j\xec\xb3\x1f\x0bEu}On\x8c\x07\x01\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00...‘

6、复数运算

#创建复数
In [19]: a = complex(2,4)
In [20]: b = 3 - 5j
In [22]: a,b
Out[22]: ((2+4j), (3-5j))
#取实属部分
In [23]: a.real
Out[23]: 2.0
#取虚数部分
In [24]: a.imag
Out[24]: 4.0
#取共取值
In [25]: a.conjugate()
Out[25]: (2-4j)
#复数运算操作
In [26]: a + b
Out[26]: (5-1j)

In [27]: a - b
Out[27]: (-1+9j)

In [28]: a * b
Out[28]: (26+2j)

In [29]: a / b
Out[29]: (-0.4117647058823529+0.6470588235294118j)

In [30]: abs(a)
Out[30]: 4.47213595499958
#复数的函数操作正弦、余弦和平方根,可以使用cmath模块
In [31]: import cmath
#正弦
In [32]: cmath.sin(a)
Out[32]: (24.83130584894638-11.356612711218173j)
#余弦
In [33]: cmath.cos(a)
Out[33]: (-11.36423470640106-24.814651485634183j)
#平方根
In [34]: cmath.exp(a)
Out[34]: (-4.829809383269385-5.5920560936409816j)

#使用numpy模块直接创建复数数组,并对他们执行操作
In [1]: import numpy as np

In [2]: a = np.array([2+3j,4+5j,6-7j,8+9j])

In [3]: a
Out[3]: array([2.+3.j, 4.+5.j, 6.-7.j, 8.+9.j])

In [4]: a + 2
Out[4]: array([ 4.+3.j,  6.+5.j,  8.-7.j, 10.+9.j])

In [5]: np.sin(a)
Out[5]:
array([   9.15449915  -4.16890696j,  -56.16227422 -48.50245524j,
       -153.20827755-526.47684926j, 4008.42651446-589.49948373j])

7、处理无穷大和NaN

#无穷大、负无穷大和NaN可以通过float()函数来创建
In [6]: a = float(‘inf‘)
In [7]: b = float(‘-inf‘)
In [8]: c = float(‘nan‘)
In [9]: a,b,c
Out[9]: (inf, -inf, nan)

#通过math.isinf()和math.isnan()函数来检测是否出现这些值
In [11]: import math

In [12]: math.isinf(a)
Out[12]: True

In [13]: math.isnan(c)
Out[13]: True

In [14]: math.isinf(b)
Out[14]: True
#无穷大在数学计算中应用
In [15]: a + 100
Out[15]: inf

In [16]: a * 100000
Out[16]: inf

In [17]: 10 / a
Out[17]: 0.0
#特定的操作会产生NaN结果
In [18]: a/a
Out[18]: nan

In [19]: a + b
Out[19]: nan

In [20]: c + 2345
Out[20]: nan

In [21]: c / 2222222
Out[21]: nan

In [23]: c * 33323333333
Out[23]: nan

In [24]: math.sqrt(c)
Out[24]: nan
#NaN在做比较时从不会判定为相等
In [25]: x = float(‘nan‘)

In [26]: y = float(‘nan‘)

In [27]: x == y
Out[27]: False

In [28]: x is y
Out[28]: False
#唯一能检测是否为NaN的办法只有math.isnan()方法
In [29]: math.isnan(x)
Out[29]: True

8、分数的计算

#fractions模块可以用来处理涉及分数的数学计算
In [1]: from fractions import Fraction

In [2]: a = Fraction(3,4)

In [3]: b = Fraction(4,8)

In [4]: print(a+b)
5/4

In [5]: print(a-b)
1/4

In [6]: print(a*b)
3/8

In [7]: c = a * b

In [8]: c
Out[8]: Fraction(3, 8)
#显示分数
In [9]: c.numerator
Out[9]: 3
#显示母数
In [10]: c.denominator
Out[10]: 8
#将分数转换为浮点数
In [11]: float(c)
Out[11]: 0.375
#限制分母
In [12]: print(c.limit_denominator(4))
1/3
#将浮点数转换为分数
In [13]: x = 3.75

In [14]: y = Fraction(*x.as_integer_ratio())

In [15]: y
Out[15]: Fraction(15, 4)

In [16]: print(y)
15/4

9、处理大型数组的计算

#大型数组的计算可以使用numpy库来运算
In [17]: import numpy as np

In [18]: ax = np.array([1,2,3,4])

In [19]: ay = np.array([5,6,7,8])

In [20]: ax * 3
Out[20]: array([ 3,  6,  9, 12])

In [21]: ax / 2
Out[21]: array([0.5, 1. , 1.5, 2. ])

In [22]: ax - ay
Out[22]: array([-4, -4, -4, -4])

In [23]: ax + ay
Out[23]: array([ 6,  8, 10, 12])

In [24]: ax * ay
Out[24]: array([ 5, 12, 21, 32])
#多计算组合
In [25]: def f(x):
    ...:     return 2 * x + 10
    ...:
    ...:
In [26]: f(ax)
Out[26]: array([12, 14, 16, 18])

In [27]: f(ay)
Out[27]: array([20, 22, 24, 26])
#计算数组的平方根
In [28]: np.sqrt(ax)
Out[28]: array([1.        , 1.41421356, 1.73205081, 2.        ])
#余弦数
In [29]: np.cos(ax)
Out[29]: array([ 0.54030231, -0.41614684, -0.9899925 , -0.65364362])
#正弦数
In [30]: np.sin(ax)
Out[30]: array([ 0.84147098,  0.90929743,  0.14112001, -0.7568025 ])

#通过numpy创建二维浮点数组
In [31]: grid = np.zeros(shape=(1000,1000),dtype=float)
In [32]: grid
Out[32]:
array([[0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.]])
#数组计算
In [33]: grid += 11

In [34]: grid
Out[34]:
array([[11., 11., 11., ..., 11., 11., 11.],
       [11., 11., 11., ..., 11., 11., 11.],
       [11., 11., 11., ..., 11., 11., 11.],
       ...,
       [11., 11., 11., ..., 11., 11., 11.],
       [11., 11., 11., ..., 11., 11., 11.],
       [11., 11., 11., ..., 11., 11., 11.]])
#数组正弦
In [35]: np.sin(grid)
Out[35]:
array([[-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021],
       [-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021],
       [-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021],
       ...,
       [-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021],
       [-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021],
       [-0.99999021, -0.99999021, -0.99999021, ..., -0.99999021,
        -0.99999021, -0.99999021]])
#numpy扩展了python列表的索引功能
In [36]: a = np.array([[1,2,3],[4,5,6],[7,8,9]])

In [37]: a
Out[37]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
#索引第一层
In [38]: a[1]
Out[38]: array([4, 5, 6])

In [39]: a[0]
Out[39]: array([1, 2, 3])

In [40]: a[:]
Out[40]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
# 索引第二层
In [41]: a[:,1]
Out[41]: array([2, 5, 8])

In [42]: a[1:3,1:3]
Out[42]:
array([[5, 6],
       [8, 9]])

In [43]: a[0:3,0:3]
Out[43]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [44]: a[0:3,1:3]
Out[44]:
array([[2, 3],
       [5, 6],
       [8, 9]])
#对索引进行运算操作
In [45]: a[0:3,1:3] += 10

In [46]: a
Out[46]:
array([[ 1, 12, 13],
       [ 4, 15, 16],
       [ 7, 18, 19]])

In [47]: a + 10
Out[47]:
array([[11, 22, 23],
       [14, 25, 26],
       [17, 28, 29]])

In [48]: a
Out[48]:
array([[ 1, 12, 13],
       [ 4, 15, 16],
       [ 7, 18, 19]])
#对数组中小于10以外的值运算加10
In [49]: np.where(a < 10 ,a ,a+10)
Out[49]:
array([[ 1, 22, 23],
       [ 4, 25, 26],
       [ 7, 28, 29]])
#numpy是使用最为庞大和复杂的模块之一,官方站点:http://www.numpy.org

10、矩阵和线性代数的计算

#numpy库中的matrix对象可以用来处理线性代数
In [50]: import numpy as np

In [51]: m = np.matrix([[1,2,3],[4,5,6],[7,8,9]])

In [52]: m
Out[52]:
matrix([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

In [53]: m.T
Out[53]:
matrix([[1, 4, 7],
        [2, 5, 8],
        [3, 6, 9]])
In [55]: v = np.matrix([[22],[33],[44]])

In [56]: v
Out[56]:
matrix([[22],
        [33],
        [44]])

In [57]: m * v
Out[57]:
matrix([[220],
        [517],
        [814]])
In [58]: from numpy import linalg

In [59]: linalg.det(m)
Out[59]: 0.0

In [60]: linalg.eigvals(m)
Out[60]: array([ 1.61168440e+01, -1.11684397e+00, -1.30367773e-15])

11、随机选择

#random模块中的choice()提供随机选择元素
In [62]: import random

In [63]: values = [1,2,3,4,5,6,7,8,9]

In [64]: random.choice(values)
Out[64]: 4

In [65]: random.choice(values)
Out[65]: 2

In [66]: random.choice(values)
Out[66]: 6
#随机选出多个元素可以使用random.samle()
In [68]: random.sample(values,2)
Out[68]: [4, 8]

In [69]: random.sample(values,3)
Out[69]: [3, 8, 9]

In [70]: random.sample(values,5)
Out[70]: [1, 7, 4, 3, 5]
#原地打乱元素顺序可以使用random.shuffle()
In [71]: values
Out[71]: [1, 2, 3, 4, 5, 6, 7, 8, 9]

In [72]: random.shuffle(values)

In [73]: values
Out[73]: [8, 7, 2, 5, 9, 3, 1, 6, 4]

#生成随机数可以使用random.randint()
In [74]: random.randint(1,1000)
Out[74]: 534

In [75]: random.randint(1,1000)
Out[75]: 675

In [76]: random.randint(1,1000)
Out[76]: 969
#产生0到1之间的浮点随机数可以使用random.random()
In [77]: random.random()
Out[77]: 0.4467371549631729

In [78]: random.random()
Out[78]: 0.870836619476411

In [79]: random.random()
Out[79]: 0.7285090986539235
#如果要得到由N个随机比特位表示的整数,可以使用random.getrandbits()
In [81]: random.getrandbits(50)
Out[81]: 898644577661596

In [82]: random.getrandbits(50)
Out[82]: 825711475826498

In [83]: random.getrandbits(50)
Out[83]: 877330983329038

12、时间换算

#利用datetime模块来完成不同时间单位间的换算,timedelta实例完成时间间隔换算
In [103]: from datetime import datetime,timedelta
#当前时间加2天后的时间
In [104]: datetime.now() + timedelta(days=2)
Out[104]: datetime.datetime(2018, 11, 17, 14, 0, 16, 257925)
#当前时间加5小时后的时间
In [105]: datetime.now() + timedelta(hours=5)
Out[105]: datetime.datetime(2018, 11, 15, 19, 0, 49, 178027)
#当前时间加30秒后的时间
In [106]: datetime.now() + timedelta(seconds=30)
Out[106]: datetime.datetime(2018, 11, 15, 14, 2, 26, 290114)
#创建一个小时实例
In [109]: x = timedelta(hours=2)
#创建一个60秒的时间实例
In [110]: y = timedelta(seconds=60)

In [111]: c = x + y

In [112]: c.days
Out[112]: 0
#换算成秒
In [113]: c
Out[113]: datetime.timedelta(seconds=7260)
#换算成时间
In [114]: c.seconds / 3600
Out[114]: 2.0166666666666666
In [117]: c.total_seconds()
Out[117]: 7260.0

In [118]: c.total_seconds() / 3600
Out[118]: 2.0166666666666666

#创建时间实例
In [119]: a = datetime(2018,10,10)
#输出10天后的时间
In [120]: print(a + timedelta(days=10))
2018-10-20 00:00:00
#创建时间实例
In [121]: b = datetime(2017,5,8)

In [122]: d = a - b
#两个时间的时间差
In [123]: d
Out[123]: datetime.timedelta(days=520)

In [124]: d.days
Out[124]: 520
#时间差的秒数
In [125]: d.total_seconds()
Out[125]: 44928000.0

13、计算上周5的日期

from datetime import datetime,timedelta

weekdays = [‘Monday‘,‘Tuesday‘,‘Wednesday‘,‘Thursday‘,‘Friday‘,‘Saturday‘,‘Sunday‘]

def get_previous_byday(dayname,start_date=None):
    if start_date is None:
        start_date = datetime.today()  #获取当前时间

    day_num = start_date.weekday() #获取时间的星期
    day_num_target = weekdays.index(dayname) #获取查询星期
    days_ago = (7 + day_num - day_num_target) % 7  #获取日期差的天数
    if days_ago == 0:
        days_ago = 7
    target_date = start_date - timedelta(days=days_ago) #计算时间差
    return target_date

print(‘现在时间:‘,datetime.today())
print(get_previous_byday(‘Monday‘))
print(get_previous_byday(‘Tuesday‘,datetime(2018,10,23)))
print(get_previous_byday(‘Saturday‘,datetime(2018,8,8)))
print(get_previous_byday(‘Friday‘))

#
现在时间: 2018-11-15 15:41:03.775963
2018-11-12 15:41:03.775963
2018-10-16 00:00:00
2018-08-04 00:00:00
2018-11-09 15:41:03.775963

14、找出当月的日期范围

from datetime import datetime,date,timedelta
import calendar

def get_month_range(start_date=None):
    if start_date is None:
        start_date = date.today().replace(day=1)
    else:
        start_date = start_date.replace(day=1) #替换输入时间的日期为1得到开始时间
    _,days_in_month = calendar.monthrange(start_date.year,start_date.month) #calendar.monthrange()函数返回当月的第一个工作日和当月的天数
    end_date = start_date + timedelta(days=days_in_month) #起始时间加当月天数获得截至时间
    a_day = timedelta(days=1)  #定义一天时间对象
    while start_date < end_date:
        print(start_date)
        start_date += a_day

get_month_range()
get_month_range(date(2018,10,23))

#
2018-10-01
2018-10-02
2018-10-03
2018-10-04
2018-10-05
2018-10-06
2018-10-07
2018-10-08
......
from datetime import datetime,timedelta

def date_range(start,stop,step):
    while start < stop:
        yield start
        start += step

for i in date_range(datetime(2018,10,15),datetime(2018,11,10),timedelta(hours=24)):
    print(i)

#
2018-10-15 00:00:00
2018-10-16 00:00:00
2018-10-17 00:00:00
2018-10-18 00:00:00
2018-10-19 00:00:00
2018-10-20 00:00:00
2018-10-21 00:00:00
2018-10-22 00:00:00
......

15、将字符串转换为日期

In [10]: from datetime import datetime

In [11]: date = ‘2018-11-16‘
#将字符串转换为日期
In [12]: datetime.strptime(date,‘%Y-%m-%d‘)
Out[12]: datetime.datetime(2018, 11, 16, 0, 0)
#获取当前日期
In [13]: datetime.now()
Out[13]: datetime.datetime(2018, 11, 16, 10, 56, 7, 487189)

In [14]: z = datetime.now()
#将日期格式化为阅读的日期形式
In [15]: datetime.strftime(z,‘%A %B %d, %Y‘)
Out[15]: ‘Friday November 16, 2018‘
#使用自编写函数来处理字符串转日期要比datetime.strptime()快很多
In [16]: def parse_ymd(s):
    ...:     year_s,mon_s,day_s = s.split(‘-‘)
    ...:     return datetime(int(year_s),int(mon_s),int(day_s))
    ...:
    ...: 

In [17]: parse_ymd(‘2018-11-16‘)
Out[17]: datetime.datetime(2018, 11, 16, 0, 0)

16、处理涉及到时区的日期问题

In [24]: from datetime import datetime,time,date

In [25]: import pytz
#查看中国时区
In [26]: pytz.country_timezones(‘cn‘)
Out[26]: [‘Asia/Shanghai‘, ‘Asia/Urumqi‘]
#创建中国时区对象
In [28]: tz = pytz.timezone(‘Asia/Shanghai‘)
#创建时间对象时指定时区
In [29]: datetime.now(tz)
Out[29]: datetime.datetime(2018, 11, 16, 13, 32, 59, 744669, tzinfo=<DstTzInfo ‘Asia/Shanghai‘ CST+8:00:00 STD>)
#指定时区创建日期对象
In [30]: datetime(2018,11,16,tzinfo=tz)
Out[30]: datetime.datetime(2018, 11, 16, 0, 0, tzinfo=<DstTzInfo ‘Asia/Shanghai‘ LMT+8:06:00 STD>)
#指定时区创建时间对象
In [31]: time(13,33,00,tzinfo=tz)
Out[31]: datetime.time(13, 33, tzinfo=<DstTzInfo ‘Asia/Shanghai‘ LMT+8:06:00 STD>)
#本地化时间对象
In [33]: tz.localize(datetime.now())
Out[33]: datetime.datetime(2018, 11, 16, 13, 41, 28, 395602, tzinfo=<DstTzInfo ‘Asia/Shanghai‘ CST+8:00:00 STD>)
#创建本地化时间对象
In [34]: loc_d = tz.localize(datetime.now())
#通过本地化时间对象转化为其他时区时间
In [35]: loc_d.astimezone(pytz.timezone(‘America/New_York‘))
Out[35]: datetime.datetime(2018, 11, 16, 0, 42, 43, 666067, tzinfo=<DstTzInfo ‘America/New_York‘ EST-1 day, 19:00:00 STD>)
#转换为UTC时间对象
In [36]: loc_d.astimezone(pytz.utc)
Out[36]: datetime.datetime(2018, 11, 16, 5, 42, 43, 666067, tzinfo=<UTC>)

In [37]: loc_d
Out[37]: datetime.datetime(2018, 11, 16, 13, 42, 43, 666067, tzinfo=<DstTzInfo ‘Asia/Shanghai‘ CST+8:00:00 STD>)

In [38]: utc_d = loc_d.astimezone(pytz.utc)

In [39]: print(utc_d)
2018-11-16 05:42:43.666067+00:00
#将UTC时间转换为合适的时区
In [40]: later_utc = utc_d + timedelta(minutes=30)

In [41]: print(later_utc.astimezone(tz))
2018-11-16 14:12:43.666067+08:00

原文地址:https://www.cnblogs.com/zhangxinqi/p/9954259.html

时间: 2024-11-06 09:58:17

python3数字、日期和时间的相关文章

数字日期和时间

数字的四舍五入 问题: 你想对浮点数执行指定精度的舍入运算. 解决方法: 对于简单的舍入运算,使用内置的round(value, ndigits) 函数即可.比如: 1 #保留小数点后1位数,因为比1.25小,所以四舍五入,取小的 2 r1 = round(1.23, 1) 3 print(r1) 4 5 #保留小数点后1位数,因为比1.25大,所以四舍五入,所以取大的 6 r2 = round(1.27, 1) 7 print(r2) 8 9 #保留小数点后1位数,因为比-1.25小,所以四舍

取得日期、时间的各个位置的数字

直接看代码  最直接 //日期处理 NSDate *now = [NSDate date]; NSCalendar *calendar = [NSCalendar currentCalendar]; NSDateComponents *comonents = [calendar components:NSYearCalendarUnit|NSMonthCalendarUnit|NSDayCalendarUnit|NSHourCalendarUnit|NSMinuteCalendarUnit fr

机器学习特征表达——日期与时间特征做离散处理(数字到分类的映射),稀疏类分组(相似特征归档),创建虚拟变量(提取新特征) 本质就是要么多变少,或少变多

特征表达 接下来要谈到的特征工程类型虽然简单却影响巨大.我们将其称为特征表达. 你的数据并不一定总是理想格式.你需要考虑是否有必要通过另一种形式进行特征表达以获取有用信息. 日期与时间特征: 我们假设你拥有purchase_datetime特征.从中提取purchase_day_of_week与purchase_hour_of_day两项特征可能会更有用.你还可以进行观察聚类以创建诸如purchases_over_last_30_days这类特征. 数字到分类的映射: 假设你拥有years_in

数据库中的八大函数(聚合,数字,字符串,日期和时间,条件,系统信息,加密,格式化)

一.函数    1.聚合函数        sum() avg() count() min() max()    2.数学函数        主要用于处理数字 包括整型 浮点型        /*数学函数*/        SELECT FLOOR(1.5)/*返回小于或者等于参数的最大整数*/floor向下取整        SELECT RAND()/*返回0-1的随机数*/        SELECT ROUND(RAND()*10)/*返回离round(x) x最近的整数 小数点后四舍五

[Python3]日期和时间处理

概述 在python中, date.time.datetime类提供了一系列处理日期.时间和时间间隔的函数. 在Python里我们大致可以把其实现日期时间类分为5个: date仅用于日期处理(年.月.日) time仅用于时间处理(时.分.秒.毫秒) datetime可以处理日期和时间的组合(年.月.日.时.分.秒.毫秒) timedelta日期时间处理,可以用于时间运算等 tzinfo用于时区处理 下面我们一起看几个实例来看看上述几个类的应用,在本文中不会列举所有的应用方法. 基础实例 直接上代

php日期和时间基础知识--Unix时间戳

<?php /*1.取得当前的Unix时间戳 UNIX 时间戳(英文叫做:timestamp)是 PHP 中关于时间与日期的一个很重要的概念,它表示从 1970年1月1日 00:00:00 到当前时间的秒数之和. PHP提供了内置函数 time() 来取得服务器当前时间的时间戳.那么获取当前的UNIX时间戳就很简单了. */ $timer = time(); echo $timer; /*2.取得当前的日期 php内置了date()函数,来取得当前的日期. 函数说明:date(时间戳的格式, 规

(十六)PL/SQL日期及时间

PL/SQL提供两个日期和时间相关的数据类型: 1.日期时间(Datetime)数据类型 DATE TIMESTAMP TIMESTAMP WITH TIME ZONE TIMESTAMP WITH LOCAL TIME ZONE 2.间隔数据类型 INTERVAL YEAR TO MONTH INTERVAL DAY TO SECOND   一.日期时间字段值和间隔数据类型这两个日期时间和间隔数据类型包括字段.这些字段的值确定的数据类型的值.下表列出了时间和间隔的字段及其可能的值. 字段名称

前端学PHP之日期与时间

前面的话 在Web程序开发时,时间发挥着重要的作用,不仅在数据存储和显示时需要日期和时间的参与,好多功能模块的开发,时间通常都是至关重要的.网页静态化需要判断缓存时间.页面访问消耗的时间需要计算.根据不同的时间段提供不同的业务等都离不开时间.PHP为我们提供了强大的日期和时间处理功能,通过内置的时间和日期函数库,不仅能够得到PHP程序在运行时所在服务器中的日期和时间,还可以对它们进行任意检查和格式化,以及在不同格式之间进行转换等.本文将详细介绍PHP中的日期和时间 [注意]关于javascrip

使用moment.js轻松管理日期和时间

大家在前端Javascript开发中会遇到处理日期时间的问题,经常会拿来一大堆处理函数才能完成一个简单的日期时间显示效果.今天我给大家介绍一个轻量级的Javascript日期处理类库:moment.js,使用它可以轻松解决前端开发中遇到的种种日期时间问题. 查看演示 下载源码 moment.js不依赖任何第三方库,支持字符串.Date.时间戳以及数组等格式,可以像PHP的date()函数一样,格式化日期时间,计算相对时间,获取特定时间后的日期时间等等,本文有如下举例. 格式化日期 当前时间: m

C#-VS字符串、日期、时间和时间段

小知识 哈希表,内存中的对象,用速度很快的哈希表当字典表,记录主键和内容. @,遇到转义字符,不转义,直接输出,即就是.转义字符是反斜杠/ 全部的内置类型都用类和结构描述.值类型用结构,引用类型用类.如int用system.Int32结构,double用system.Double结构,bool用system.Boolean结构. 对类来说,null是没有引用,到字符串,空串也是有引用对象,只是对象是内容是空的. String类 string类型实际上是string类的对象,字符串.类的实例都是对