Python time模块5大隐藏特性

news2024/11/17 9:33:58

特性一：结构化时间——`struct_time`

简介： struct_time是time模块中的一个数据类型，用于存储一个时间的各个组成部分（年、月、日、时、分、秒等）。它常用于解析和格式化时间。

代码示例：

import time  
  
# 获取当前时间的struct_time对象  
current_time = time.localtime()  
print(current_time)  # 输出类似time.struct_time(tm_year=2023, tm_mon=4, tm_mday=1, ...)

实战案例： 使用struct_time可以轻松地比较两个日期或时间，如下所示：

import time  
  
today = time.localtime()  
yesterday = time.mktime((today.tm_year, today.tm_mon, today.tm_mday - 1, 0, 0, 0, 0, 0, 0))  
print("Yesterday:", time.ctime(yesterday))

特性二：精确计时器——`perf_counter()`

简介： perf_counter()函数提供了高精度的时间测量，非常适合用于性能测试和微小时间间隔的测量。

代码示例：

import time  
  
start = time.perf_counter()  
# 执行一些操作  
time.sleep(1)  
end = time.perf_counter()  
print(f"Time elapsed: {end - start} seconds")

特性三：可移植的时间格式化——`strftime()`

简介： strftime()函数允许你以任何格式输出时间，这对于生成易读的日期和时间字符串非常有用。

代码示例：

import time  
  
current_time = time.localtime()  
formatted_time = time.strftime("%Y-%m-%d %H:%M:%S", current_time)  
print(formatted_time)  # 输出类似"2023-04-01 12:34:56"

特性四：定时器——`timeit()`

简介： 虽然timeit不是time模块的一部分，但它紧密相关，用于测量小代码段的执行时间，非常适合做性能基准测试。

代码示例：

from timeit import timeit  
  
def my_function():  
    return [i for i in range(1000)]  
  
execution_time = timeit(my_function, number=1000)  
print(f"Average execution time: {execution_time / 1000:.6f} seconds")

特性五：进程时间——`process_time()`

简介： process_time()返回自调用进程启动以来的系统和用户CPU时间之和，对于分析程序的CPU使用情况非常有用。

代码示例：

import time  
  
start = time.process_time()  
# 执行一些计算密集型任务  
for _ in range(1000000):  
    pass  
end = time.process_time()  
print(f"Process time elapsed: {end - start} seconds")

实战案例分析与技巧

案例一：定时任务执行

假设你正在开发一个需要定期执行的任务，比如每天凌晨更新数据库统计信息。利用time模块，你可以实现一个简单的定时器来控制任务的执行时间。

代码示例：

import time  
  
def update_statistics():  
    print("Updating statistics...")  
  
def run_at_specific_time(hour, minute):  
    while True:  
        now = time.localtime()  
        if now.tm_hour == hour and now.tm_min == minute:  
            update_statistics()  
            break  
        time.sleep(60)  
  
run_at_specific_time(0, 0)  # 运行在每天的0点0分

技巧与注意事项：

使用time.sleep(60)来避免CPU过度消耗。
在实际部署中，考虑使用cron作业或其他调度服务，以获得更准确和可靠的定时任务执行。

案例二：性能监控

假设你正在优化一段代码的运行效率，使用perf_counter()和process_time()可以帮助你识别瓶颈。

代码示例：

import time  
  
def heavy_computation():  
    result = sum(i for i in range(1000000))  
    return result  
  
start_perf = time.perf_counter()  
start_process = time.process_time()  
  
result = heavy_computation()  
  
end_perf = time.perf_counter()  
end_process = time.process_time()  
  
print(f"Perf counter time: {end_perf - start_perf} seconds")  
print(f"Process time: {end_process - start_process} seconds")

技巧与注意事项：