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)

你可以使用箭头:

这是一个来自文档的例子，在几个小时内迭代:

from arrow import Arrow

>>> start = datetime(2013, 5, 5, 12, 30)
>>> end = datetime(2013, 5, 5, 17, 15)
>>> for r in Arrow.range('hour', start, end):
...     print repr(r)
...
<Arrow [2013-05-05T12:30:00+00:00]>
<Arrow [2013-05-05T13:30:00+00:00]>
<Arrow [2013-05-05T14:30:00+00:00]>
<Arrow [2013-05-05T15:30:00+00:00]>
<Arrow [2013-05-05T16:30:00+00:00]>

要在几天内迭代，你可以这样使用:

>>> start = Arrow(2013, 5, 5)
>>> end = Arrow(2013, 5, 5)
>>> for r in Arrow.range('day', start, end):
...     print repr(r)

(没有检查你是否能通过datetime。日期对象，但无论如何箭头对象通常更容易)

这可能更清楚:

from datetime import date, timedelta

start_date = date(2019, 1, 1)
end_date = date(2020, 1, 1)
delta = timedelta(days=1)
while start_date <= end_date:
    print(start_date.strftime("%Y-%m-%d"))
    start_date += delta

下面做一个按天递增的范围怎么样:

for d in map( lambda x: startDate+datetime.timedelta(days=x), xrange( (stopDate-startDate).days ) ):
  # Do stuff here

startDate和stopDate是datetime。日期对象

对于通用版本:

for d in map( lambda x: startTime+x*stepTime, xrange( (stopTime-startTime).total_seconds() / stepTime.total_seconds() ) ):
  # Do stuff here

startTime和stopTime是datetime。日期或datetime。datetime对象 (两者应是同一类型) stepTime是一个timedelta对象

注意.total_seconds()只在python 2.7之后才被支持。如果你被早期版本困住了，你可以写自己的函数:

def total_seconds( td ):
  return float(td.microseconds + (td.seconds + td.days * 24 * 3600) * 10**6) / 10**6

您可以简单而可靠地使用pandas库在两个日期之间生成一系列日期

import pandas as pd

print pd.date_range(start='1/1/2010', end='1/08/2018', freq='M')

您可以通过设置“freq”为D, M, Q, Y来改变生成日期的频率 (每天，每月，每季，每年 ）

为了完整起见，Pandas还有一个period_range函数用于时间戳越界:

import pandas as pd

pd.period_range(start='1/1/1626', end='1/08/1627', freq='D')