
在Python中操作时间之strptime()方法的使用
strptime()方法分析表示根据格式的时间字符串。返回值是一个struct_time所返回gmtime()或localtime()。
格式参数使用相同的指令使用strftime();它默认为“%a %b %d %H:%M:%S %Y”相匹配的ctime()所返回的格式。
如果字符串不能按格式进行解析,或者如果它具有解析后多余的数据,ValueError被挂起。
语法
以下是strptime()方法的语法:
time.strptime(string[, format])
参数
string -- 这是其中将根据给定的格式解析字符串格式的时间。
format -- 这是将用于解析该给定的字符串的指令。
下面的指令可以嵌入格式字符串:
指令
%a - 简写的星期几
%A - 完整的星期几
%b - 缩写的月份名称
%B - 完整的月份名称
%c - 首选日期和时间表示
%C - 世纪值(年份除以100,范围从00到99)
%d - 该月的第几天(01?31)
%D - 类似 %m/%d/%y
%e - 该月的一天(1?31)
%g - 类似于%G,但是没有世纪
%G - 对应于ISO周数4位数的年份(参见%V)
%h - 类似于 %b
%H - 小时,使用24小时制(00?23)
%I - 小时,使用12小时制(01?12)
%j - 一年中的哪一天(001?366)
%m - 月份(01?12)
%M - 分钟
%n - 换行符
%p - 根据给定的时间值am或pm
%r - 时间在上午和下午的符号:am/pm
%R - 时间以24小时制
%S - 秒
%t - 制表符
%T - 当前时间,等于 %H:%M:%S
%u - 工作日为数字(1到7),星期一= 1。警告:在Sun Solaris上周日=1
%U - 当年的周数,第一个星期日作为第一周的第一天
%V - 本年度ISO 8601的周数(01到53),其中,第1周是在本年度至少4天的第一个星期,星期一作为一周的第一天
%W - 当年的周数,与第一个星期一作为第一周的第一天
%w - 星期为一个小数,星期日=0
%x - 没有时间的日期表示
%X - 无日期首选的时间表示
%y - 一年无世纪(范围从00到99)
%Y - 今年,包括世纪
%Z or %z - 时区或名称或缩写
%% -文字%字符
返回值
这个返回struct_time所返回gmtime()或localtime()的值。
例子
下面的例子显示 strptime()方法的使用。
#!/usr/bin/python
import time
struct_time = time.strptime("30 Nov 00", "%d %b %y")
print "returned tuple: %s " % struct_time
When we run above program, it produces following result:
returned tuple: (2000, 11, 30, 0, 0, 0, 3, 335, -1)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18