
python—時(shí)間與時(shí)間戳之間的轉(zhuǎn)換
對(duì)于時(shí)間數(shù)據(jù),如2016-05-05 20:28:54,有時(shí)需要與時(shí)間戳進(jìn)行相互的運(yùn)算,此時(shí)就需要對(duì)兩種形式進(jìn)行轉(zhuǎn)換,在Python中,轉(zhuǎn)換時(shí)需要用到time模塊,具體的操作有如下的幾種:
將時(shí)間轉(zhuǎn)換為時(shí)間戳
重新格式化時(shí)間
時(shí)間戳轉(zhuǎn)換為時(shí)間
獲取當(dāng)前時(shí)間及將其轉(zhuǎn)換成時(shí)間戳
1、將時(shí)間轉(zhuǎn)換成時(shí)間戳
將如上的時(shí)間2016-05-05 20:28:54轉(zhuǎn)換成時(shí)間戳,具體的操作過程為:
利用strptime()函數(shù)將時(shí)間轉(zhuǎn)換成時(shí)間數(shù)組
利用mktime()函數(shù)將時(shí)間數(shù)組轉(zhuǎn)換成時(shí)間戳
#coding:UTF-8
import time
dt = "2016-05-05 20:28:54"
#轉(zhuǎn)換成時(shí)間數(shù)組
timeArray = time.strptime(dt, "%Y-%m-%d %H:%M:%S")
#轉(zhuǎn)換成時(shí)間戳
timestamp = time.mktime(timeArray)
print timestamp
2、重新格式化時(shí)間
重新格式化時(shí)間需要以下的兩個(gè)步驟:
利用strptime()函數(shù)將時(shí)間轉(zhuǎn)換成時(shí)間數(shù)組
利用strftime()函數(shù)重新格式化時(shí)間
#coding:UTF-8
import time
dt = "2016-05-05 20:28:54"
#轉(zhuǎn)換成時(shí)間數(shù)組
timeArray = time.strptime(dt, "%Y-%m-%d %H:%M:%S")
#轉(zhuǎn)換成新的時(shí)間格式(20160505-20:28:54)
dt_new = time.strftime("%Y%m%d-%H:%M:%S",timeArray)
print dt_new
3、將時(shí)間戳轉(zhuǎn)換成時(shí)間
在時(shí)間戳轉(zhuǎn)換成時(shí)間中,首先需要將時(shí)間戳轉(zhuǎn)換成localtime,再轉(zhuǎn)換成時(shí)間的具體格式:
利用localtime()函數(shù)將時(shí)間戳轉(zhuǎn)化成localtime的格式
利用strftime()函數(shù)重新格式化時(shí)間
#coding:UTF-8
import time
timestamp = 1462451334
#轉(zhuǎn)換成localtime
time_local = time.localtime(timestamp)
#轉(zhuǎn)換成新的時(shí)間格式(2016-05-05 20:28:54)
dt = time.strftime("%Y-%m-%d %H:%M:%S",time_local)
print dt
4、按指定的格式獲取當(dāng)前時(shí)間
利用time()獲取當(dāng)前時(shí)間,再利用localtime()函數(shù)轉(zhuǎn)換為localtime,最后利用strftime()函數(shù)重新格式化時(shí)間。
#coding:UTF-8
import time
#獲取當(dāng)前時(shí)間
time_now = int(time.time())
#轉(zhuǎn)換成localtime
time_local = time.localtime(time_now)
#轉(zhuǎn)換成新的時(shí)間格式(2016-05-09 18:59:20)
dt = time.strftime("%Y-%m-%d %H:%M:%S",time_local)
數(shù)據(jù)分析師培訓(xùn)
print dt
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11