Python 高效处理日期与时间的 10 个实用一行代码技巧

时间数据无处不在。从金融交易到传感器日志，现实世界的数据集中，描述时间的数据——比如某一年的日期或精确时刻的时间戳——应用场景数不胜数。毫不意外，Python 自带了大量内置功能和库，可以对包含日期和时间的数据进行各种操作、预处理和分析。本文将展示 10 个常见日期时间任务的 Python 一行代码解决方案，帮助你高效、简洁地处理时间数据。

请注意，以下部分代码需要在文件开头进行如下导入：

from datetime import datetime, date, timedelta

import pandas as pd

import numpy as np

1. 获取当前时间的 ISO 8601 格式时间戳

虽然看起来有些不习惯，但 ISO 8601 时间戳格式因其低歧义性、机器可读性，以及众多现代 API（如 GraphQL 和 RESTful 服务）的支持而极为实用。该标准还能让你的日期时间具备时区感知特性（是不是有点绕口？）。

获取当前时间的 ISO 8601 格式时间戳：

print(datetime.now().isoformat())

输出示例：

2025-05-10T13:31:13.661144

2. 将字符串解析并转换为 DateTime 对象

这是最常见的数据转换需求之一。datetime.strptime()函数（意为“字符串解析为时间”）接受两个参数：待转换的日期字符串和格式模板，用于正确解析字符串中的年、月、日、时等元素。以下示例将字符串 "2025-05-10" 解析为对应的 datetime 对象：

parsed_date = datetime.strptime("2025-05-10", "%Y-%m-%d")

尝试运行parsed_date.day，你会得到 10，即解析日期的天数部分。

3. 给定日期加上（或减去）X 天

可以利用timedelta函数对指定日期或 datetime 对象进行时间加减。该函数可指定天数参数，实现“时间旅行”。例如，将当前日期向前推进 7 天：

print(date.today() + timedelta(days=7))

此时，日期变成了 2025 年 5 月 17 日。

4. 计算两个日期之间的天数差

给定两个 Python 的 date 对象（如某人生日和新年夜），只需相减并访问结果的days属性即可获得天数差：

print((date(2025, 12, 31) - date(2025, 6, 29)).days)

输出结果为：

185

5. 使用 Pandas 生成连续 5 天的日期范围

类似于 Python 的range(n)生成整数序列，功能强大的 Pandas 库可生成从指定日期起的连续日期范围。结果可以轻松转为列表：

print(pd.date_range(start="2025-01-01", periods=5).tolist())

生成的元素为 Pandas 的 Timestamp 对象：

[Timestamp('2025-01-01 00:00:00'), Timestamp('2025-01-02 00:00:00'), Timestamp('2025-01-03 00:00:00'), Timestamp('2025-01-04 00:00:00'), Timestamp('2025-01-05 00:00:00')]

6. 将数据集中的字符串列转换为 datetime 类型

依然是 Pandas。假设有一个 DataFramedf，其中 'date' 列为字符串，一行代码即可将其转换为 datetime 对象：

pd.to_datetime(df['date'])

输出示例：

0   2025-01-01

1   2025-01-02

2   2025-01-03

Name: date, dtype: datetime64[ns]

7. 获取日期对应的星期名称

该技巧常用于 Web 应用等友好界面中，显示具体星期几（如 Monday）。strftime("%A")可以实现：

print(datetime(2025, 5, 10).strftime("%A"))

输出结果为：

Saturday

8. 使用 NumPy 创建按月的日期数组

如需对每日数据按月聚合，可用 NumPy 生成月份级时间标签。例如，从一月到五月：

print(np.arange('2025-01', '2025-06', dtype='datetime64[M]'))

结果为：

['2025-01' '2025-02' '2025-03' '2025-04' '2025-05']

9. 按日期条件筛选 DataFrame 行

对包含日期属性的数据集，可根据日期条件筛选行。例如，筛选日期大于 2025 年 1 月 15 日的数据：

print(df[df['date'] > '2025-01-15'])

10. 从 datetime 对象获取 Unix 时间戳

最后一个例子，获取指定 datetime 对象的 Unix 时间戳（自 1970 年 1 月 1 日起的秒数），适用于高效存储、比较和同步时间数据：

print(int(datetime(2025, 5, 10, 15, 30, 45).timestamp()))

此处时间戳原为 float（如 1746891045.0），已转换为整数以便表示。

通过上述 10 个技巧，你可以高效地在 Python 中进行各种日期与时间的预处理、分析和操作。