>>> from datetime import datetime, timedelta
>>> from collections import OrderedDict
>>> dates = ["2014-10-10", "2016-01-07"]
>>> start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates]
>>> OrderedDict(((start + timedelta(_)).strftime(r"%b-%y"), None) for _ in xrange((end - start).days)).keys()
['Oct-14', 'Nov-14', 'Dec-14', 'Jan-15', 'Feb-15', 'Mar-15', 'Apr-15', 'May-15', 'Jun-15', 'Jul-15', 'Aug-15', 'Sep-15', 'Oct-15', 'Nov-15', 'Dec-15', 'Jan-16']
更新:根据一条评论中的要求进行一些解释.这里有三个问题:将日期解析为适当的数据结构(strptime);给出两个极端和步骤(一个月)的日期范围;格式化输出日期(strftime). datetime类型重载了减法运算符,因此end-start是有意义的.结果是timedelta对象表示两个日期之间的差异,而.days属性获得以天为单位表示的差异.没有.months属性,因此我们一次迭代一天并将日期转换为所需的输出格式.这会产生大量重复,OrderedDict会在保持项目顺序正确的情况下删除它们.
现在这简单而简洁,因为它让datetime模块完成所有工作,但它也非常低效.我们每天都会调用很多方法,而我们只需要输出几个月.如果性能不是问题,上面的代码就可以了.否则,我们将不得不更多地工作.让我们将上述实现与更有效的实现进行比较:
from datetime import datetime, timedelta
from collections import OrderedDict
dates = ["2014-10-10", "2016-01-07"]
def monthlist_short(dates):
start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates]
return OrderedDict(((start + timedelta(_)).strftime(r"%b-%y"), None) for _ in xrange((end - start).days)).keys()
def monthlist_fast(dates):
start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates]
total_months = lambda dt: dt.month + 12 * dt.year
mlist = []
for tot_m in xrange(total_months(start)-1, total_months(end)):
y, m = divmod(tot_m, 12)
mlist.append(datetime(y, m+1, 1).strftime("%b-%y"))
return mlist
assert monthlist_fast(dates) == monthlist_short(dates)
if __name__ == "__main__":
from timeit import Timer
for func in "monthlist_short", "monthlist_fast":
print func, Timer("%s(dates)" % func, "from __main__ import dates, %s" % func).timeit(1000)
在我的笔记本电脑上,我得到以下输出:
monthlist_short 2.3209939003
monthlist_fast 0.0774540901184
简洁的实现速度大约慢30倍,因此我不建议在时间要求严格的应用程序中使用:)