【Python】日期模块总结

Time Tuple: 

索引字段
0年(四位数字)2015
1月份1 - 12
2日期1 - 31
3小时0 - 23
4分钟0 - 59
50 - 61 (60 或 61是闰秒)
6星期0 - 6 (0 为星期一)
7一年中的第几天1 - 366 (Julian日期)
8夏令时-1, 0, 1, -1 表示库决定DST

上面的元组相当于struct_time结构, 结构属性如下:

索引属性
0tm_year2018
1tm_mon1 - 12
2tm_mday1 - 31
3tm_hour0 - 23
4tm_min0 - 59
5tm_sec0 - 61 (60 或 61 是闰秒)
6tm_wday0 to 6 (0 为星期一)
7tm_yday1 to 366 (Julian日期)
8tm_isdst-1, 0, 1, -1 表示库决定DST

 

time 模块

 

SN  方法及描述
1time.altzone
当地DST时区的偏移量,如果一个定义在UTC西部秒钟。这是负值,如果当地的DST时区为UTC东边(如西欧,包括英国)。如果白天不为零只用这个。
2time.asctime([tupletime])
接受一个时间元组,并返回一个可读的24个字符的字符串,如“Tue Dec 11 18:07:14 2015'。
3time.clock( )
返回当前CPU时间为几秒钟的浮点数。以测量不同方法的计算成本,time.clock的值比time.time()更有用
4time.ctime([secs])
类似asctimeasctime(localtime(secs)),不带参数就像asctime()
5time.gmtime([secs])
接收表示从epoch秒钟的瞬间,并返回一个时间元组t及UTC时间。注意:t.tm_isdst始终为0
6time.localtime([secs])
接收表示从epoch秒钟的瞬间,并返回一个时间元组t与被本地时间(t.tm_isdst是0或1,这取决于是否DST的适用于即时秒通过本地规则)
7time.mktime(tupletime)
接受表示为一个时间的元组中的本地时间瞬间,并返回浮点值从epoch以秒表示的时刻
8time.sleep(secs)
暂停secs秒钟调用线程
9time.strftime(fmt[,tupletime])
接收表示为一个时间的元组中的本地时间瞬间并返回表示所指定的字符串fmt瞬间的字符串
10time.strptime(str,fmt='%a %b %d %H:%M:%S %Y')
根据格式字符串格式化解析str并返回时间元组格式
11time.time( )
返回当前时刻,自时代浮点秒数
12time.tzset()
重置所使用的库例程的时间转换规则。环境变量TZ指定如何完成此操作。

 datetime模块

 # -*- coding: utf-8 -*-


 #datetime类
 #datetime是date与time的结合体,包括date与time的所有信息。
 #它的构造函数如下:
 #datetime. datetime (year, month, day[ , hour[ , minute[ , second[ , microsecond[ , tzinfo] ] ] ] ] )
 #各参数的含义与date、time的构造函数中的一样,要注意参数值的范围。




# 1. datetime类定义的类属性与方法:
#datetime.min、datetime.max:datetime所能表示的最小值与最大值;
#print: datetime.max: 9999-12-31 23:59:59.999999
#print: datetime.min: 0001-01-01 00:00:00
from  datetime  import  * 
import time
print   'datetime.max:' , datetime.max  
print   'datetime.min:' , datetime.min  
#datetime.resolution:datetime最小单位;
#print: datetime.resolution: 0:00:00.000001
print   'datetime.resolution:' , datetime.resolution 
#datetime.today():返回一个表示当前本地时间的datetime对象;
#print: today(): 2012-09-12 19:37:50.721000
print   'today():' , datetime.today() 
#datetime.now([tz]):返回一个表示当前本地时间的datetime对象,如果提供了参数tz,则获取tz参数所指时区的本地时间;
#print: now(): 2012-09-12 19:37:50.738000
print   'now():' , datetime.now() 
#datetime.utcnow():返回一个当前utc时间的datetime对象;
#print: 2012-09-12 11:37:50.739000
print   'utcnow():' , datetime.utcnow()  
#datetime.fromtimestamp(timestamp[, tz]):根据时间戮创建一个datetime对象,参数tz指定时区信息;
#print: fromtimestamp(tmstmp): 2012-09-12 19:37:50.741000
print   'fromtimestamp(tmstmp):' , datetime.fromtimestamp(time.time()) 
#datetime.utcfromtimestamp(timestamp):根据时间戮创建一个datetime对象;
#print: utcfromtimestamp(tmstmp): 2012-09-12 11:37:50.742000
print   'utcfromtimestamp(tmstmp):' , datetime.utcfromtimestamp(time.time()) 
#datetime.combine(date, time):根据date和time,创建一个datetime对象;
#print: datetime.combine(date,time):  2012-09-12 19:46:05
d = date(2012,9,12)
from  datetime  import  * 
t = time(19,46,5)
print 'datetime.combine(date,time): ',datetime.combine(d,t)
#datetime.strptime(date_string, format):将格式字符串转换为datetime对象;
#print: 2007-03-04 21:08:12
print datetime.strptime("2007-03-04 21:08:12", "%Y-%m-%d %H:%M:%S")


#2. datetime类提供的实例方法与属性
dt = datetime.strptime("2012-09-12 21:08:12", "%Y-%m-%d %H:%M:%S")
#print: 2012 9 12 21 8 12 0 None
print dt.year,dt.month,dt.day,dt.hour,dt.minute,dt.second,dt.microsecond,dt.tzinfo
print dt.date()
print dt.time()
print dt.replace(year = 2013)
print dt.timetuple()
print dt.utctimetuple()
print dt.toordinal()
print dt.weekday()
print dt.isocalendar()
#print dt.isoformat([sep])
#datetime. ctime ():返回一个日期时间的C格式字符串,等效于time.ctime(time.mktime(dt.timetuple()));


#3. 格式字符串
# datetime. strftime (format)
# %a 星期的简写。如 星期三为Web
# %A 星期的全写。如 星期三为Wednesday
# %b 月份的简写。如4月份为Apr
# %B月份的全写。如4月份为April 
# %c:  日期时间的字符串表示。(如: 04/07/10 10:43:39)
# %d:  日在这个月中的天数(是这个月的第几天)
# %f:  微秒(范围[0,999999])
# %H:  小时(24小时制,[0, 23])
# %I:  小时(12小时制,[0, 11])
# %j:  日在年中的天数 [001,366](是当年的第几天)
# %m:  月份([01,12])
# %M:  分钟([00,59])
# %p:  AM或者PM
# %S:  秒(范围为[00,61],为什么不是[00, 59],参考python手册~_~)
# %U:  周在当年的周数当年的第几周),星期天作为周的第一天
# %w:  今天在这周的天数,范围为[0, 6],6表示星期天
# %W:  周在当年的周数(是当年的第几周),星期一作为周的第一天
# %x:  日期字符串(如:04/07/10)
# %X:  时间字符串(如:10:43:39)
# %y:  2个数字表示的年份
# %Y:  4个数字表示的年份
# %z:  与utc时间的间隔 (如果是本地时间,返回空字符串)
# %Z:  时区名称(如果是本地时间,返回空字符串)
# %%:  %% => %


dt = datetime.now()
#print: (%Y-%m-%d %H:%M:%S %f):  2012-09-12 23:04:27 145000
print '(%Y-%m-%d %H:%M:%S %f): ', dt.strftime('%Y-%m-%d %H:%M:%S %f')
#print: (%Y-%m-%d %H:%M:%S %p):  12-09-12 11:04:27 PM
print '(%Y-%m-%d %H:%M:%S %p): ', dt.strftime('%y-%m-%d %I:%M:%S %p')
#print: %a: Wed 
print '%%a: %s ' % dt.strftime('%a')
#print: %A: Wednesday
print '%%A: %s ' % dt.strftime('%A')
#print: %b: Sep 
print '%%b: %s ' % dt.strftime('%b')
#print: %B: September
print '%%B: %s ' % dt.strftime('%B')
#print: 日期时间%c: 09/12/12 23:04:27
print '日期时间%%c: %s ' % dt.strftime('%c')
#print: 日期%x:09/12/12
print '日期%%x:%s ' % dt.strftime('%x')
#print: 时间%X:23:04:27
print '时间%%X:%s ' % dt.strftime('%X')
#print: 今天是这周的第3天
print '今天是这周的第%s天 ' % dt.strftime('%w')
#print: 今天是今年的第256天 
print '今天是今年的第%s天 ' % dt.strftime('%j')
#print: 今周是今年的第37周
print '今周是今年的第%s周 ' % dt.strftime('%U')

注: 获取日期是周几:weekday()方法可以获得datetime是星期几,注意weekday() 返回的是0-6是星期一到星期日

1 import datetime
2 
3 print datetime.datetime.now().weekday()

calendar 模块

 

SN  方法及描述
1calendar.calendar(year,w=2,l=1,c=6)
返回为多行字符串的逐年日历格式化成用c空格分隔的三列。 w是中的每一个日期字符的宽度;每行的长度为21* w +18+2* c。 l为每个星期的行数。
2calendar.firstweekday( )
返回当前设置为每个星期开始工作日。默认情况下,当先导入calendar,这是0,意思是星期一。
3calendar.isleap(year)
如果今年是闰年返回true,否则为false。
4calendar.leapdays(y1,y2)
返回范围内的总数在range(y1,y2)。
5calendar.month(year,month,w=2,l=1)
返回为多行字符串与日历月month年year,每周一条线加上两个标题行。 w是中的每一个日期字符的宽度;每行的长度为7* W +6。 l为每个星期的行数。
6calendar.monthcalendar(year,month)
返回整数的列表。每个子列表表示一个星期。月month年year都设置为0;在一个月内,day都被设置为一天,月份,1及以上的数字。
7calendar.monthrange(year,month)
返回两个整数。第一个是星期几月month年year的第一天的代码;第二个是在所述月份的天数。星期代码是0(星期一)至6日(星期日);月数是1〜12。
8calendar.prcal(year,w=2,l=1,c=6)
打印类似calendar.calendar(year,w,l,c).
9calendar.prmonth(year,month,w=2,l=1)
打印类似calendar.month(year,month,w,l).
10calendar.setfirstweekday(weekday)
将每个星期的第一天工作日代码设置。星期代码是0(星期一)至6日(星期日)。
11calendar.timegm(tupletime)
time.gmtime的反向:接受一个时刻在时间元组的形式,并返回同一时刻为从epoch浮点秒数。
12calendar.weekday(year,month,day)
返回给定日期的星期代码。星期代码0(星期一)至6日(星期日);月份数字代码为1(一月)到12(12月)。

 关于dateutil模块,后续再总结。

 

Refer:

  • http://blog.csdn.net/wirelessqa/article/details/7973121
  • http://www.cnblogs.com/emanlee/p/4399147.html
  • http://www.yiibai.com/python/python_date_time.html
  • http://labix.org/python-dateutil

转载于:https://www.cnblogs.com/nju2014/p/5328602.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值