根据我自己的回答:

import datetime;
print [(datetime.date.today() - datetime.timedelta(days=x)).strftime('%Y-%m-%d') for x in range(-5, 0)]

输出:

['2017-12-11', '2017-12-10', '2017-12-09', '2017-12-08', '2017-12-07']

区别在于我得到的是'date'对象，而不是'datetime '对象。datetime”。

Matplotlib相关

from matplotlib.dates import drange
import datetime

base = datetime.date.today()
end  = base + datetime.timedelta(days=100)
delta = datetime.timedelta(days=1)
l = drange(base, end, delta)

根据我自己的回答:

import datetime;
print [(datetime.date.today() - datetime.timedelta(days=x)).strftime('%Y-%m-%d') for x in range(-5, 0)]

输出:

['2017-12-11', '2017-12-10', '2017-12-09', '2017-12-08', '2017-12-07']

区别在于我得到的是'date'对象，而不是'datetime '对象。datetime”。

import datetime    
def date_generator():
    cur = base = datetime.date.today()
    end  = base + datetime.timedelta(days=100)
    delta = datetime.timedelta(days=1)
    while(end>base):
        base = base+delta
        print base

date_generator()

我知道这个问题已经有人回答了，但为了历史的目的，我还是把我的答案写下来，因为我认为这是直截了当的。

import numpy as np
import datetime as dt
listOfDates=[date for date in np.arange(firstDate,lastDate,dt.timedelta(days=x))]

当然，它不会像代码高尔夫那样赢得任何东西，但我认为它很优雅。

一般来说，Pandas非常适合时间序列，并直接支持日期范围。

例如pd.date_range():

import pandas as pd
from datetime import datetime

datelist = pd.date_range(datetime.today(), periods=100).tolist()

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。

参见日期范围文档

此外，它完全支持pytz时区，可以平滑地跨越春季/秋季夏令时转换。

编辑由OP:

如果你需要实际的python日期时间，而不是Pandas时间戳:

import pandas as pd
from datetime import datetime

pd.date_range(end = datetime.today(), periods = 100).to_pydatetime().tolist()

#OR

pd.date_range(start="2018-09-09",end="2020-02-02")

这使用"end"参数来匹配原始问题，但如果你想要降序日期:

pd.date_range(datetime.today(), periods=100).to_pydatetime().tolist()