在Python中迭代一系列日期

我有以下代码来做到这一点，但我如何能做得更好?现在我认为它比嵌套循环更好，但是当您在列表理解中使用生成器时，它开始变得像perl一行程序。

day_count = (end_date - start_date).days + 1
for single_date in [d for d in (start_date + timedelta(n) for n in range(day_count)) if d <= end_date]:
    print strftime("%Y-%m-%d", single_date.timetuple())

笔记

我不是用这个来打印的。这只是为了演示。 start_date和end_date变量是datetime。date对象，因为我不需要时间戳。(它们将用于生成报告)。

样例输出

开始日期为2009-05-30，结束日期为2009-06-09:

当前回答

为什么不试试呢:

import datetime as dt

start_date = dt.datetime(2012, 12,1)
end_date = dt.datetime(2012, 12,5)

total_days = (end_date - start_date).days + 1 #inclusive 5 days

for day_number in range(total_days):
    current_date = (start_date + dt.timedelta(days = day_number)).date()
    print current_date

2013-04-12 10:47:11

其他回答

使用pendulum.period:

import pendulum

start = pendulum.from_format('2020-05-01', 'YYYY-MM-DD', formatter='alternative')
end = pendulum.from_format('2020-05-02', 'YYYY-MM-DD', formatter='alternative')

period = pendulum.period(start, end)

for dt in period:
    print(dt.to_date_string())

2020-11-19 14:15:52

显示从今天开始的最后n天:

import datetime
for i in range(0, 100):
    print((datetime.date.today() + datetime.timedelta(i)).isoformat())

输出:

2016-04-25 03:34:21

from datetime import date,timedelta
delta = timedelta(days=1)
start = date(2020,1,1)
end=date(2020,9,1)
loop_date = start
while loop_date<=end:
    print(loop_date)
    loop_date+=delta

2020-09-14 09:15:55

为什么不试试呢:

import datetime as dt

start_date = dt.datetime(2012, 12,1)
end_date = dt.datetime(2012, 12,5)

total_days = (end_date - start_date).days + 1 #inclusive 5 days

for day_number in range(total_days):
    current_date = (start_date + dt.timedelta(days = day_number)).date()
    print current_date

2013-04-12 10:47:11

一般来说，Pandas非常适合时间序列，并直接支持日期范围。

import pandas as pd
daterange = pd.date_range(start_date, end_date)

然后你可以循环daterrange来打印日期:

for single_date in daterange:
    print (single_date.strftime("%Y-%m-%d"))

它也有很多选择，让生活更轻松。例如，如果您只想要工作日，您只需交换bdate_range。看到http://pandas.pydata.org/pandas-docs/stable/timeseries.html generating-ranges-of-timestamps

Pandas的强大之处在于它的数据框架，它支持向量化操作(很像numpy)，使得跨大量数据的操作非常快速和简单。

编辑: 你也可以完全跳过for循环，直接打印出来，这样更简单、更高效:

print(daterange)

2014-05-25 08:44:46

在Python中迭代一系列日期

推荐文章

最新文章

标签