人工智能之编程进阶 Python高级：第五章 时间类模块

人工智能之编程进阶 Python高级

第五章 时间类模块

---

@

目录

• 人工智能之编程进阶 Python高级
• 前言
• 一、time 模块：底层时间操作（Unix 时间戳）
  • 常用函数
  • 时间格式化代码（strftime / strptime）
• 二、calendar 模块：日历相关功能
  • 常用功能
• 三、datetime 模块：面向对象的时间处理（推荐！）
  • 核心类
  • 1. 获取当前时间
  • 2. 创建自定义时间
  • 3. 时间格式化与解析
  • 4. 时间运算（timedelta）
  • 5. 时区处理（timezone）
  • 6. 其他实用方法
• 四、三大模块对比总结
• 五、典型应用场景
  • 1. 计算年龄
  • 2. 日志时间戳
  • 3. 定时任务间隔检查
  • 4. 时区转换（Web 应用）
• 六、注意事项与最佳实践
• 七、扩展建议
• 总结
• 资料关注

---

前言

Python 中处理时间与日期的核心模块有三个：time、calendar 和 datetime。它们各有侧重，适用于不同场景。下面系统介绍它们的功能、用法、区别及最佳实践。

---

一、time 模块：底层时间操作（Unix 时间戳）

基于 ​C 语言的 time.h​，提供底层时间函数，以**秒为单位的时间戳（Unix Timestamp）**为核心。

常用函数

import time

# 1. 获取当前时间戳（浮点数，单位：秒）
ts = time.time()
print("时间戳:", ts)  # 1730987654.123456

# 2. 将时间戳转为本地时间元组（struct_time）
local = time.localtime(ts)
print("本地时间:", local)
# time.struct_time(tm_year=2025, tm_mon=11, tm_mday=7, ...)

# 3. 将时间戳转为 UTC 时间元组
utc = time.gmtime(ts)
print("UTC 时间:", utc)

# 4. 格式化时间（转为字符串）
formatted = time.strftime("%Y-%m-%d %H:%M:%S", local)
print("格式化时间:", formatted)  # 2025-11-07 18:55:00

# 5. 解析时间字符串（转为时间元组）
parsed = time.strptime("2025-11-07 18:55:00", "%Y-%m-%d %H:%M:%S")
print("解析结果:", parsed)

# 6. 睡眠（暂停程序）
time.sleep(1)  # 暂停 1 秒

# 7. 获取可读时间字符串
print(time.ctime())  # Fri Nov  7 18:55:00 2025

时间格式化代码（strftime / strptime）

代码	含义	示例
%Y	四位年份	2025
%y	两位年份	25
%m	月份（01-12）	11
%d	日（01-31）	07
%H	小时（00-23）	18
%M	分钟（00-59）	55
%S	秒（00-60）	30
%A	星期全名	Friday
%a	星期缩写	Fri
%B	月全名	November
%b	月缩写	Nov

⚠️ time 模块​不处理时区转换​（除本地/UTC），也不支持日期运算。

---

二、calendar 模块：日历相关功能

用于生成日历、判断闰年、获取星期等。

常用功能

import calendar

# 1. 判断是否为闰年
print(calendar.isleap(2024))  # True
print(calendar.isleap(2025))  # False

# 2. 获取某月日历（文本形式）
cal_text = calendar.month(2025, 11)
print(cal_text)
#    November 2025
# Mo Tu We Th Fr Sa Su
#                1  2
#  3  4  5  6  7  8  9
# ...

# 3. 获取某月日历（列表形式）
weeks = calendar.monthcalendar(2025, 11)
print(weeks)
# [[0, 0, 0, 0, 0, 1, 2],
#  [3, 4, 5, 6, 7, 8, 9], ...]

# 4. 获取星期几（Monday=0, Sunday=6）
weekday = calendar.weekday(2025, 11, 7)  # 2025-11-07 是星期五
print("星期:", weekday)  # 4

# 5. 设置一周起始日（默认 Monday=0）
calendar.setfirstweekday(calendar.SUNDAY)

# 6. 打印全年日历
# calendar.prcal(2025)

✅ ​适用场景​：生成日历视图、计算工作日、节日判断等。

---

三、datetime 模块：面向对象的时间处理（推荐！）

​现代 Python 时间处理的首选​，提供 date、time、datetime、timedelta、timezone 等类，支持日期运算、时区、格式化等。

核心类

类	用途
datetime.date	年-月-日（无时分秒）
datetime.time	时:分:秒.微秒（无日期）
datetime.datetime	日期 + 时间（最常用）
datetime.timedelta	时间间隔（用于加减）
datetime.timezone	时区信息（UTC 或固定偏移）

---

1. 获取当前时间

from datetime import datetime, date, time, timedelta, timezone

# 当前本地时间（无时区信息 → naive）
now = datetime.now()
print("当前时间:", now)  # 2025-11-07 18:55:00.123456

# 当前 UTC 时间
utc_now = datetime.utcnow()  # 已弃用！推荐下面方式
utc_now = datetime.now(timezone.utc)
print("UTC 时间:", utc_now)

🔔 ​重要​：

• ​naive datetime​：无时区信息（如 datetime.now()）
• ​aware datetime​：有时区信息（如 datetime.now(timezone.utc)）
  避免混用 naive 和 aware 对象！

---

2. 创建自定义时间

# 创建具体日期时间
dt = datetime(2025, 11, 7, 18, 55, 30)
print(dt)  # 2025-11-07 18:55:30

# 仅日期
d = date(2025, 11, 7)

# 仅时间
t = time(18, 55, 30)

---

3. 时间格式化与解析

# 格式化为字符串
s = now.strftime("%Y-%m-%d %H:%M:%S")
print(s)  # "2025-11-07 18:55:00"

# 从字符串解析（需指定格式）
dt_parsed = datetime.strptime("2025-11-07 18:55:00", "%Y-%m-%d %H:%M:%S")
print(dt_parsed)  # datetime(2025, 11, 7, 18, 55)

💡 推荐使用第三方库 dateutil.parser.parse() 自动解析多种格式。

---

4. 时间运算（timedelta）

# 1 天后
tomorrow = now + timedelta(days=1)

# 2 小时 30 分钟前
past = now - timedelta(hours=2, minutes=30)

# 计算两个时间差
diff = tomorrow - now
print(diff.days)        # 1
print(diff.total_seconds())  # 86400.0

# 支持：days, seconds, microseconds, milliseconds, minutes, hours, weeks

---

5. 时区处理（timezone）

from datetime import timezone, timedelta

# UTC 时间
utc_dt = datetime.now(timezone.utc)

# 创建东八区（北京时间）
tz_beijing = timezone(timedelta(hours=8))
bj_dt = utc_dt.astimezone(tz_beijing)

# 或直接创建带时区的时间
bj_time = datetime(2025, 11, 7, 18, 55, tzinfo=tz_beijing)

print("UTC:", utc_dt)
print("北京:", bj_time)

🔒 ​生产建议​：
使用 zoneinfo（Python 3.9+）或 pytz 处理复杂时区（如夏令时）：

from zoneinfo import ZoneInfo
ny_time = datetime.now(ZoneInfo("America/New_York"))

---

6. 其他实用方法

# 获取今天日期
today = date.today()  # date(2025, 11, 7)

# 替换部分字段
new_dt = now.replace(year=2030, minute=0)

# 获取时间戳
ts = now.timestamp()  # 转为 float 时间戳

# 从时间戳创建 datetime
dt_from_ts = datetime.fromtimestamp(ts)

---

四、三大模块对比总结

功能	time	calendar	datetime
核心单位	秒（时间戳）	日历逻辑	日期/时间对象
面向对象	❌	❌	✅
日期运算	❌	❌	✅ (timedelta)
时区支持	仅本地/UTC	❌	✅（需显式设置）
格式化/解析	✅（需格式字符串）	❌	✅（更直观）
适用场景	系统级、性能敏感	日历生成、星期计算	日常开发首选

✅ ​推荐策略​：

• 新项目一律使用 datetime
• 需要高性能时间戳用 time.time()
• 生成日历或判断闰年用 calendar

---

五、典型应用场景

1. 计算年龄

from datetime import date

def calculate_age(birth_date: date) -> int:
    today = date.today()
    return today.year - birth_date.year - ((today.month, today.day) < (birth_date.month, birth_date.day))

age = calculate_age(date(1990, 5, 15))

2. 日志时间戳

from datetime import datetime

log_time = datetime.now().strftime("[%Y-%m-%d %H:%M:%S]")
print(f"{log_time} INFO: 程序启动")
# [2025-11-07 18:55:00] INFO: 程序启动

3. 定时任务间隔检查

last_run = datetime.now()
interval = timedelta(minutes=5)

if datetime.now() - last_run > interval:
    print("执行任务...")
    last_run = datetime.now()

4. 时区转换（Web 应用）

from datetime import datetime, timezone
from zoneinfo import ZoneInfo  # Python 3.9+

user_tz = ZoneInfo("Asia/Shanghai")
utc_time = datetime.now(timezone.utc)
local_time = utc_time.astimezone(user_tz)

---

六、注意事项与最佳实践

1. ​始终明确时区​：
   • 存储时间用 UTC
   • 展示给用户时转为本地时区
2. ​避免 naive datetime​：
   • 在涉及多时区系统中，务必使用 aware datetime
3. ​不要用 datetime.utcnow()​：
   • 它返回的是 naive 对象，应改用 datetime.now(timezone.utc)
4. ​时间比较前确保类型一致​：
   • naive 不能与 aware 比较，会报错
5. ​解析用户输入时验证格式​：
   • 使用 try-except 捕获 ValueError

---

七、扩展建议

• ​复杂时区​：使用 zoneinfo（Python 3.9+ 内置）或 pytz
• ​自然语言解析​：dateutil.parser
• ​高性能时间处理​：pandas.Timestamp（大数据场景）

---

总结

经过学习常见的时间模块 time、calendar 和 datetime，我们可以有效解决 Python 中所有时间与日期相关的需求！建议优先使用 datetime，它是现代 Python 时间处理的标准答案。

资料关注

公众号：咚咚王

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen） 》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》