忆君迢迢隔青天,昔日横波目,今作流泪泉。
Python 默认支持时间序列的库有很多,通常 time 和 datetime 是用的最多的,虽然他们在一般情形下绝对够用,但是总有一些比较奇葩的时间格式的需求,而我们也就不能仅限于这两个 Python 自带的库。
DateParser 和 Dateutil
这是两款比较友好的用于处理各种时间格式的第三方库,它能将各种奇怪写法的时间转换成标准的时间格式,比如:
# -*- coding: utf-8 -*-
# @Time : 2020-12-05 16:46
import time
import dateparser
from dateutil import parser
print(dateparser.parse("2020/11/7 5:01:08"))
print(parser.parse("2020"))
碰到个需求
最近在做一些自动化文件导出的时候,由于有一些平台有导出的数量限制,比如某某平台如果所选时间是半年,然后累计数据量达到 50w,就会导出失败。
对于这种情况就要做一下时间切分,比如可以分为按月,甚至按周来进行导出,也就是 rangeTime。
当在 Google 上搜索 Python time 或者 Datetime 切分时间的时候发现并没有什么结果,然后就会想起有个更牛的处理时间的库,也就是 Arrow 了。
很多的博客对 Arrow 的讲解也都是一带而过,贴出官方的例子,并没有应用于实际的项目,所以更多 Arrow 的用法也就没有提到。
Arrow
和 DateParser 一样,Arrow 底层也是用 datetime 封装的,在特定的地方可以和 datetime 进行交互。
一些用法展示:
# -*- coding: utf-8 -*-
# @Time : 2020-12-05 16:46
i = arrow.now()
# i.replace(day=1) 替换时间为 1 号
# i.shift(months=-1) 偏移量,往前推一个月
# i.format('YYYY-MM-DD') 转换为你想要的时间格式
print(i.shift(days=-30).format('YYYY-MM-DD'))
print(i.shift(months=-3).format('YYYY-MM-DD'))
# 配合使用,链式法则
print(i.replace(day=1).shift(months=-1).format('YYYY-MM-DD'))
print(i.replace(day=1).shift(months=-1).format('YYYY-MM-DD HH:mm:ss'))
回到解决刚才的那个需求, Arrow 的时间区间属性可以在一段时间中根据不同时间粒度来进行切分,来达到我们的需求。
# -*- coding: utf-8 -*-
# @Time : 2020-12-05 16:46
import arrow
# 开始于当前时间,往前推 120 天
end = datetime.datetime.now()
start = end + datetime.timedelta(days=-120)
# 获取 120 内的时间范围,以月划分
def timeYmdRange(start=start,end=end):
tRange = []
for r in arrow.Arrow.span_range('months', start, end):
qTime = [i.format('YYYY-MM-DD') for i in r]
tRange.append(qTime)
return tRange
# 获取 120 内的时间范围,以周划分
def timeWeekRange(start=start,end=end):
tRange = []
for r in arrow.Arrow.span_range('weeks', start, end):
qTime = [i.format('YYYY-MM-DD') for i in r]
tRange.append(qTime)
return tRange
# 自定义时间格式,按月划分,结果为 202011
def timeMonthRange(start=start,end=end):
tRange = []
for r in arrow.Arrow.range('months', start, end):
qTime = r.format('YYYYMM')
tRange.append(qTime)
return tRange
for r in timeHmsRange(start, end):
print(','.join(r))
print(timeWeekRange())
这样一来就可以满足我们的需求,并且保证在特定时间区间内不会重复天数(或者更小的时间粒度),不要使用很多很多的时间处理库,用的越多也就更加错综复杂,有那么一两款好用,易用的时间库足矣,哈哈 !!
本文分享自 Python爬虫与数据挖掘 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!