>>> from datetime import datetime, timedelta>>> from collections import OrderedDict>>> dates = ["2014-10-10", "2016-01-07"]>>> start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates]>>> OrderedDict(((start + timedelta(_)).strftime(r"%b-%y"), None) for _ in xrange((end - start).days)).keys()['Oct-14', 'Nov-14', 'Dec-14', 'Jan-15', 'Feb-15', 'Mar-15', 'Apr-15', 'May-15', 'Jun-15', 'Jul-15', 'Aug-15', 'Sep-15', 'Oct-15', 'Nov-15', 'Dec-15', 'Jan-16']
更新:
根据一个评论的要求进行一些解释。这里存在三个问题:将日期解析为适当的数据结构(
strptime);根据两个极端和步骤(一个月)获得日期范围;格式化输出日期(
strftime)。该
datetime类型会使减法运算符重载,因此
end-start很有意义。结果是一个
timedelta对象,代表两个日期之间的差异,并且该
.days属性以天为单位表示此差异。没有
.months属性,因此我们一次迭代一天,然后将日期转换为所需的输出格式。这会产生大量重复项,
OrderedDict在将这些项保持正确顺序的同时将其删除。
现在,这很简单明了,因为它可以让datetime模块完成所有工作,但是效率也非常低。我们每天都需要调用很多方法,而只需要输出几个月即可。如果性能不是问题,那么上面的代码就可以了。否则,我们将需要做更多的工作。让我们将上述实现与更高效的实现进行比较:
from datetime import datetime, timedeltafrom collections import OrderedDictdates = ["2014-10-10", "2016-01-07"]def monthlist_short(dates): start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates] return OrderedDict(((start + timedelta(_)).strftime(r"%b-%y"), None) for _ in xrange((end - start).days)).keys()def monthlist_fast(dates): start, end = [datetime.strptime(_, "%Y-%m-%d") for _ in dates] total_months = lambda dt: dt.month + 12 * dt.year mlist = [] for tot_m in xrange(total_months(start)-1, total_months(end)): y, m = divmod(tot_m, 12) mlist.append(datetime(y, m+1, 1).strftime("%b-%y")) return mlistassert monthlist_fast(dates) == monthlist_short(dates)if __name__ == "__main__": from timeit import Timer for func in "monthlist_short", "monthlist_fast": print func, Timer("%s(dates)" % func, "from __main__ import dates, %s" % func).timeit(1000)
在我的笔记本电脑上,我得到以下输出:
monthlist_short 2.3209939003monthlist_fast 0.0774540901184
简洁的实现要慢30倍左右,因此我不建议在时间紧迫的应用程序中使用它:)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)