python如何将时间戳转换为日期_python时间戳与日期格式相互转换

Python中时间戳与日期转换依赖datetime模块,核心方法为fromtimestamp()和timestamp(),结合strptime()与strftime()处理字符串格式;需注意时区aware与naive对象区别,避免本地时间误解析;毫秒、微秒级时间戳需先转为秒再处理,推荐使用timezone.utc确保UTC时间正确转换。

python如何将时间戳转换为日期_python时间戳与日期格式相互转换

Python中将时间戳转换为日期,以及日期与时间戳之间的相互转换,主要依赖于内置的

datetime

模块。核心思路就是利用

datetime

对象作为中间桥梁,通过它的不同方法来实现这些转换。简单来说,时间戳到日期,我们用

datetime.fromtimestamp()

;日期到时间戳,则用

datetime.timestamp()

。而日期字符串与

datetime

对象之间,则通过

strptime()

strftime()

来回切换。

解决方案

将时间戳转换为日期对象,我们通常会用到

datetime

模块里的

fromtimestamp

方法。这个方法接收一个时间戳(通常是Unix时间戳,即从1970年1月1日UTC零点开始的秒数),然后返回一个本地时区的

datetime

对象。如果需要UTC时间,则可以使用

utcfromtimestamp

import datetimeimport time# 假设我们有一个时间戳timestamp_seconds = 1678886400  # 2023-03-15 00:00:00 UTC# 1. 将时间戳转换为本地时区的datetime对象dt_object_local = datetime.datetime.fromtimestamp(timestamp_seconds)print(f"本地时区日期时间: {dt_object_local}")# 输出可能类似: 本地时区日期时间: 2023-03-15 08:00:00 (取决于你的本地时区,比如东八区)# 2. 将时间戳转换为UTC时区的datetime对象dt_object_utc = datetime.datetime.utcfromtimestamp(timestamp_seconds)print(f"UTC日期时间: {dt_object_utc}")# 输出: UTC日期时间: 2023-03-15 00:00:00# 3. 如果想进一步格式化成特定的日期字符串formatted_date = dt_object_local.strftime("%Y-%m-%d %H:%M:%S")print(f"格式化后的本地日期字符串: {formatted_date}")# 输出可能类似: 格式化后的本地日期字符串: 2023-03-15 08:00:00# 4. 将日期对象转换回时间戳# 对于本地时区datetime对象timestamp_back_local = dt_object_local.timestamp()print(f"本地日期时间转回时间戳: {timestamp_back_local}")# 注意:这里可能会因为本地时区信息丢失或转换机制而与原始时间戳有细微差别,# 但对于naive datetime对象,它会假定它是本地时间。# 对于UTC datetime对象,我们通常希望它能准确回到原始时间戳# 但dt_object_utc是一个naive datetime,它的timestamp()方法会把它当成本地时间处理。# 要正确处理UTC到时间戳,最好是先让它变成aware datetime,或者直接用原始时间戳。# 如果dt_object_utc是naive的,它的timestamp()行为与dt_object_local类似,假设它是本地时间。# 这就是我们处理时区时常常会遇到的一个坑。# 5. 从日期字符串转换为datetime对象,再转换为时间戳date_string = "2023-03-15 10:30:00"format_string = "%Y-%m-%d %H:%M:%S"dt_from_string = datetime.datetime.strptime(date_string, format_string)print(f"从字符串转换的datetime对象: {dt_from_string}")timestamp_from_string = dt_from_string.timestamp()print(f"从字符串转换的日期再转回时间戳: {timestamp_from_string}")

在我看来,这里最关键的是理解

datetime

对象在处理时区时的“天真”(naive)与“感知”(aware)状态。默认情况下,

datetime.fromtimestamp()

datetime.now()

生成的都是naive对象,它们不包含时区信息,系统会假定它们是本地时间。而

datetime.utcfromtimestamp()

datetime.utcnow()

则生成的是UTC时间的naive对象。

Python中处理带有时区信息的时间戳转换,有哪些常见陷阱和最佳实践?

处理带有时区信息的时间戳转换,确实是Python日期时间操作中一个比较容易出错的地方。我个人觉得,最大的陷阱在于混淆了“天真”(naive)和“感知”(aware)的

datetime

对象。一个没有时区信息的

datetime

对象就是naive的,Python在处理它时,往往会默认它是本地时间,这在跨时区或者不同环境运行时,就可能导致结果不一致。

立即学习“Python免费学习笔记(深入)”;

最佳实践通常是:尽可能在内部使用UTC时间,只在展示给用户时才转换为本地时区。

这里有几个具体的点和解决方案:

fromtimestamp()

的默认行为:

datetime.datetime.fromtimestamp(ts)

会返回一个本地时区的naive

datetime

对象。这意味着它会根据你系统当前的时区设置来解释这个时间戳。如果你在不同时区的机器上运行相同的代码,结果就会不同。

解决方案: 如果你确定时间戳是UTC的,并且希望得到UTC的

datetime

对象,使用

datetime.datetime.utcfromtimestamp(ts)

。但请注意,它返回的仍然是naive的UTC时间,不带时区信息。更健壮的做法是使用

pytz

库(如果需要处理复杂的时区)或者Python 3.3+的

timezone

模块。

import datetimeimport pytz # 通常需要安装 pip install pytztimestamp = 1678886400 # 2023-03-15 00:00:00 UTC# 使用datetime.fromtimestamp(),结果是本地时区dt_local_naive = datetime.datetime.fromtimestamp(timestamp)print(f"本地时区 (naive): {dt_local_naive}")# 使用datetime.utcfromtimestamp(),结果是UTC但仍然是naivedt_utc_naive = datetime.datetime.utcfromtimestamp(timestamp)print(f"UTC (naive): {dt_utc_naive}")# 最佳实践:创建aware的UTC datetime对象dt_utc_aware = datetime.datetime.fromtimestamp(timestamp, tz=datetime.timezone.utc)print(f"UTC (aware): {dt_utc_aware}")# 将aware的UTC时间转换为其他时区# 定义一个目标时区,例如上海shanghai_tz = pytz.timezone('Asia/Shanghai')dt_shanghai_aware = dt_utc_aware.astimezone(shanghai_tz)print(f"上海时区 (aware): {dt_shanghai_aware}")

datetime.timestamp()

的陷阱: 如果你有一个naive的

datetime

对象,调用

.timestamp()

方法时,Python会假设这个naive对象代表的是本地时间,然后将其转换为时间戳。这可能不是你想要的,特别是当这个naive对象实际上代表的是UTC时间时。

解决方案: 确保你的

datetime

对象是aware的,并且带有正确的时区信息。如果你有一个naive的UTC

datetime

对象,你需要在调用

.timestamp()

之前,明确地告诉Python它是UTC。

# 假设我们有一个naive的datetime对象,我们知道它是UTC时间dt_utc_naive = datetime.datetime(2023, 3, 15, 0, 0, 0) # 这是一个naive的UTC时间# 直接调用.timestamp()会将其视为本地时间ts_incorrect = dt_utc_naive.timestamp()print(f"错误的UTC naive转时间戳: {ts_incorrect}") # 结果会比预期大/小8小时的时间戳# 正确做法:先将其转化为aware的UTC时间dt_utc_aware_from_naive = dt_utc_naive.replace(tzinfo=datetime.timezone.utc)ts_correct = dt_utc_aware_from_naive.timestamp()print(f"正确的UTC naive转时间戳: {ts_correct}") # 结果是 1678886400.0

时区数据库更新问题: 不同的操作系统和Python环境可能使用不同的时区数据库(例如

tzdata

zoneinfo

),这可能导致在边缘情况下的转换差异。

解决方案: 使用

pytz

这样的库,它自带了最新的IANA时区数据库,可以保证在不同环境下的行为一致性。Python 3.9+引入的

zoneinfo

模块也是一个很好的选择,它利用系统或Python自带的IANA时区数据。

总的来说,处理时区,我的经验是:要么全部用naive的UTC时间处理(但要非常小心,确保所有操作都基于UTC假设),要么就拥抱aware的

datetime

对象,明确地指定时区。后者虽然代码量可能略增,但能大大减少潜在的错误。

如何处理不同精度的时间戳(毫秒、微秒)在Python中的转换?

Unix时间戳标准通常是以秒为单位的整数。但在实际应用中,我们经常会遇到毫秒甚至微秒级别的时间戳,尤其是在前端或者某些API接口返回的数据里。Python的

datetime.fromtimestamp()

方法默认是期望秒级时间戳的,但它也能很好地处理浮点数,这意味着我们可以直接传入带有小数部分的秒级时间戳。

如果我们的时间戳是毫秒或微秒级的整数,我们需要在传递给

fromtimestamp()

之前,先进行简单的除法运算将其转换为秒。

毫秒级时间戳 (Milliseconds):如果你的时间戳是13位数字(例如

1678886400000

),那它很可能是毫秒级的。要将其转换为秒,你需要除以1000。

import datetimetimestamp_ms = 1678886400000  # 2023-03-15 00:00:00 UTC 的毫秒时间戳# 转换为秒级(浮点数)timestamp_seconds_float = timestamp_ms / 1000# 转换为 datetime 对象dt_object_from_ms = datetime.datetime.fromtimestamp(timestamp_seconds_float, tz=datetime.timezone.utc)print(f"从毫秒时间戳转换的UTC日期时间: {dt_object_from_ms}")# 输出: 从毫秒时间戳转换的UTC日期时间: 2023-03-15 00:00:00+00:00

微秒级时间戳 (Microseconds):如果你的时间戳是16位数字(例如

1678886400000000

),那它很可能是微秒级的。要将其转换为秒,你需要除以1,000,000。

import datetimetimestamp_us = 1678886400000000 # 2023-03-15 00:00:00 UTC 的微秒时间戳# 转换为秒级(浮点数)timestamp_seconds_float = timestamp_us / 1_000_000# 转换为 datetime 对象dt_object_from_us = datetime.datetime.fromtimestamp(timestamp_seconds_float, tz=datetime.timezone.utc)print(f"从微秒时间戳转换的UTC日期时间: {dt_object_from_us}")# 输出: 从微秒时间戳转换的UTC日期时间: 2023-03-15 00:00:00+00:00

datetime

对象的精度:

datetime

对象本身是支持微秒精度的。当你从一个带有小数部分的秒级时间戳转换时,

datetime

对象会保留这些小数部分作为微秒。

import datetimetimestamp_with_fraction = 1678886400.123456 # 带有微秒的秒级时间戳dt_object_with_us = datetime.datetime.fromtimestamp(timestamp_with_fraction, tz=datetime.timezone.utc)print(f"带有微秒的日期时间: {dt_object_with_us}")print(f"微秒部分: {dt_object_with_us.microsecond}")# 输出: 带有微秒的日期时间: 2023-03-15 00:00:00.123456+00:00# 输出: 微秒部分: 123456

datetime

对象转换回高精度时间戳:如果你有一个带有微秒的

datetime

对象,并希望将其转换回高精度的时间戳(比如毫秒或微秒),你需要先调用

.timestamp()

获取秒级浮点数,然后再乘以相应的因子。

import datetimedt_aware = datetime.datetime(2023, 3, 15, 0, 0, 0, 123456, tzinfo=datetime.timezone.utc)# 转换为秒级浮点时间戳timestamp_float = dt_aware.timestamp()print(f"高精度日期时间转秒级时间戳: {timestamp_float}")# 转换为毫秒级时间戳 (整数)timestamp_ms_back = int(timestamp_float * 1000)print(f"高精度日期时间转毫秒时间戳: {timestamp_ms_back}")# 转换为微秒级时间戳 (整数)timestamp_us_back = int(timestamp_float * 1_000_000)print(f"高精度日期时间转微秒时间戳: {timestamp_us_back}")

这里需要注意浮点数运算可能带来的精度问题,但在绝大多数场景下,

datetime

模块的精度已经足够。如果对精度有极高的要求,可能需要考虑使用

decimal

模块进行计算,但那通常是比较特殊的需求了。

Python中将日期字符串灵活转换为时间戳的技巧与常见格式解析

将日期字符串转换为时间戳,本质上是两步:首先将日期字符串解析

datetime

对象,然后将

datetime

对象转换为时间戳。核心工具

datetime.datetime.strptime()

方法。这个方法非常强大,但它要求你提供一个与日期字符串完全匹配的格式字符串。

strptime()

的基本用法:

strptime()

(string parse time) 接收两个参数:日期时间字符串和格式字符串。格式字符串由一系列指令组成,每个指令都代表日期时间字符串中的一个特定部分。

import datetimedate_str_1 = "2023-03-15 14:30:00"format_1 = "%Y-%m-%d %H:%M:%S"dt_obj_1 = datetime.datetime.strptime(date_str_1, format_1)print(f"解析后的datetime对象: {dt_obj_1}")print(f"对应的时间戳: {dt_obj_1.timestamp()}")date_str_2 = "March 15, 2023 2:30 PM"format_2 = "%B %d, %Y %I:%M %p" # %B是完整月份名,%I是12小时制,%p是AM/PMdt_obj_2 = datetime.datetime.strptime(date_str_2, format_2)print(f"解析后的datetime对象: {dt_obj_2}")print(f"对应的时间戳: {dt_obj_2.timestamp()}")

常用格式指令:理解这些指令是掌握

strptime()

的关键。

%Y

: 四位数的年份 (e.g., 2023)

%m

: 两位数的月份 (01-12)

%d

: 两位数的日期 (01-31)

%H

: 24小时制的小时 (00-23)

%I

: 12小时制的小时 (01-12)

%m

: 两位数的分钟 (00-59)

%S

: 两位数的秒 (00-59)

%f

: 微秒 (000000-999999)

%p

: AM或PM

%b

%H

: 缩写月份名 (Jan, Feb, …)

%b

: 完整月份名 (January, February, …)

%j

: 一年中的第几天 (001-366)

%w

: 星期几 (0-6,周日是0)

%a

: 缩写星期几 (Mon, Tue, …)

%a

: 完整星期几 (Monday, Tuesday, …)

%z

: UTC偏移量 (

+HHMM

-HHMM

)

%z

: 时区名称 (e.g., CST, EST)

%x

: 本地日期表示 (e.g.,

03/15/23

)

%x

: 本地时间表示 (e.g.,

14:30:00

)

%c

: 本地日期时间表示 (e.g.,

Wed Mar 15 14:30:00 2023

)

处理多种可能的日期格式:实际工作中,我们可能会接收到格式不统一的日期字符串。

strptime()

的缺点是它不够“智能”,不能自动猜测格式。一个常见的技巧是使用

try-except

块,尝试多种可能的格式,直到成功为止。

import datetimedef parse_flexible_date(date_string):    formats = [        "%Y-%m-%d %H:%M:%S",        "%Y/%m/%d %H:%M:%S",        "%Y-%m-%d",        "%m/%d/%Y",        "%B %d, %Y %I:%M %p",        # 可以添加更多你可能遇到的格式    ]    for fmt in formats:        try:            # 尝试解析,如果成功,返回datetime对象            return datetime.datetime.strptime(date_string, fmt)        except ValueError:            continue # 失败则尝试下一个格式    raise ValueError(f"无法解析日期字符串: '{date_string}',没有匹配的格式。")date_str_a = "2023-03-15 14:30:00"date_str_b = "03/15/2023"date_str_c = "April 1, 2023 9:00 AM"dt_a = parse_flexible_date(date_str_a)dt_b = parse_flexible_date(date_str_b)dt_c = parse_flexible_date(date_str_c)print(f"'{date_str_a}' -> {dt_a.timestamp()}")print(f"'{

以上就是python如何将时间戳转换为日期_python时间戳与日期格式相互转换的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1370881.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
Python类继承:显式声明object基类的必要性与影响
上一篇 2025年12月14日 10:56:19
python中怎么进行Base64编码和解码?
下一篇 2025年12月14日 10:56:26

相关推荐

  • composer require-dev和require有什么不同_Composer Require与Require-Dev区别解析

    require用于声明项目运行必需的依赖,如框架、数据库组件和第三方SDK,这些包会随项目部署到生产环境;2. require-dev用于声明仅在开发和测试阶段需要的工具,如PHPUnit、PHPStan、Faker等,不会默认部署到生产环境;3. 安装时composer install根据环境决定…

    2026年5月10日
    1000
  • 修复Django电商项目中AJAX过滤产品列表图片不显示问题

    在Django电商项目中,当使用AJAX动态加载过滤后的产品列表时,常遇到图片无法正常显示的问题。这通常是由于前端模板中图片加载方式(如data-setbg属性结合JavaScript库)与AJAX动态内容更新机制不兼容所致。解决方案是直接在AJAX返回的HTML中使用标准的标签来渲染图片,确保浏览…

    2026年5月10日
    000
  • Matplotlib 地图中多类型图例的创建与优化

    Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化

    本教程旨在解决matplotlib地图可视化中,如何在一个图例中同时展示颜色块(如区域分类)和自定义标记(如特定兴趣点)的问题。文章详细介绍了当传统`patch`对象无法正确显示标记时,如何利用`matplotlib.lines.line2d`创建标记图例句柄,并将其与颜色块图例句柄合并,从而生成一…

    2026年5月10日 用户投稿
    100
  • Golang JSON序列化:控制敏感字段暴露的最佳实践

    本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时,通过利用`encoding/json`包提供的结构体标签,特别是`json:”-“`,可以轻松实现对特定字段的忽略,从而避免敏感数据泄露,确保api…

    2026年5月10日
    000
  • 利用海象运算符简化条件赋值:Python教程与最佳实践

    本文旨在探讨Python中海象运算符(:=)在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符,以及条件表达式,分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例,展示如何在列表推导式等场景下合理使用海象运算符,同时强调其潜在的复杂性及替代方案,帮助开发者更好地掌…

    2026年5月10日
    100
  • Debian syslog性能优化技巧有哪些

    提升Debian系统syslog (通常基于rsyslog)性能,关键在于精简配置和高效处理日志。以下策略能有效优化日志管理,提升系统整体性能: 精简配置,高效加载: 在rsyslog配置文件中,仅加载必要的输入、输出和解析模块。 使用全局指令设置日志级别和格式,避免不必要的处理。 自定义模板: 创…

    2026年5月10日
    000
  • 比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币,基于区块链技术实现点对点交易,具有匿名性、有限发行和不可篡改等特点;新手可通过交易所购买,P2P交易获得比特币,常用平台包括Binance、OKX和Huobi;交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买,可选择市价单或限价单;比特币存储方式有交易…

    2026年5月10日
    000
  • c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用

    SFINAE 是“替换失败不是错误”的原则,指模板实例化时若参数替换导致错误,只要存在其他合法候选,编译器不报错而是继续重载决议。它用于条件启用模板、类型检测等场景,如通过 decltype 或 enable_if 控制函数重载,实现类型特征判断。尽管 C++20 引入 Concepts 简化了部分…

    2026年5月10日
    000
  • Go语言mgo查询构建:深入理解bson.M与日期范围查询的正确实践

    本文旨在解决go语言mgo库中构建复杂查询时,特别是涉及嵌套`bson.m`和日期范围筛选的常见错误。我们将深入剖析`bson.m`的类型特性,解释为何直接索引`interface{}`会导致“invalid operation”错误,并提供一种推荐的、结构清晰的代码重构方案,以确保查询条件能够正确…

    2026年5月10日
    100
  • RichHandler与Rich Progress集成:解决显示冲突的教程

    在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时,可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…

    2026年5月10日
    000
  • 修复点击时按钮抖动:CSS垂直对齐实践

    本文探讨了在Web开发中,交互式按钮(如播放/暂停按钮)在点击时发生意外垂直位移的问题。通过分析CSS样式变化对元素布局的影响,我们发现这是由于按钮不同状态下的边框样式和内边距改变,以及默认的垂直对齐行为共同作用所致。核心解决方案是利用CSS的vertical-align属性,将其设置为middle…

    2026年5月10日
    100
  • Golang goroutine与channel调试技巧

    使用go run -race检测数据竞争,结合runtime.NumGoroutine监控协程数量,通过pprof分析阻塞调用栈,利用select超时避免永久阻塞,有效排查goroutine泄漏、死锁和数据竞争问题。 Go语言的goroutine和channel是并发编程的核心,但它们也带来了调试上…

    2026年5月10日
    000
  • 使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合,支持数据导入(pandas)、清洗(fillna)、探索(matplotlib/seaborn可视化)、统计分析(describe/corr)和特征工程,便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    2026年5月10日
    000
  • 《魔兽世界》将于6月11日开启国服回归技术测试

    《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试

    《%ign%ignore_a_1%re_a_1%》官方宣布,将于6月11日开启国服回归技术测试,时间为7天,并称可以在6月内正式开服,玩家们可以访问官网下载战网客户端并预下载“巫妖王之怒”客户端,技术测试详情见下图。 WordAi WordAI是一个AI驱动的内容重写平台 53 查看详情 以上就是《…

    2026年5月10日 用户投稿
    200
  • php常量怎么用_PHP常量(define/const)定义与使用方法

    PHP中可通过define函数和const关键字定义常量,用于存储不可变值。define适用于全局作用域,支持动态名称和条件定义,如define(‘SITE_NAME’, ‘MyWebsite’);const在编译时生效,语法简洁但限制多,只能在类或全…

    2026年5月10日
    000
  • 如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南

    HTML表单通过标签构建,包含action和method属性定义数据提交目标与方式,常用input类型如text、password、email等适配不同输入需求,配合label、required、placeholder提升可用性,结合textarea、select、button等控件实现完整交互,是…

    2026年5月10日
    100
  • 前端缓存策略与JavaScript存储管理

    根据数据特性选择合适的存储方式并制定清晰的读写与清理逻辑,能显著提升前端性能;合理运用Cookie、localStorage、sessionStorage、IndexedDB及Cache API,结合缓存策略与定期清理机制,可在保证用户体验的同时避免安全与性能隐患。 前端缓存和JavaScript存…

    2026年5月10日
    200
  • 网站标题关键词更新后,搜索引擎为何仍显示旧标题?

    网站标题更新后,搜索引擎为何显示旧标题? 网站SEO优化中,站长常修改网站标题关键词,期望搜索结果显示自定义标题。然而,即使更新标签、meta keywords、meta description和结构化数据中的name属性后,搜索结果仍显示旧标题,这令人费解。本文将对此进行解释。 问题:站长修改了网…

    2026年5月10日
    100
  • 创建指定大小并填充特定数据的Golang文件教程

    本文将介绍如何使用Golang创建一个指定大小的文件,并用特定数据填充它。我们将使用 `os` 包提供的函数来创建和截断文件,从而实现快速生成大文件的目的。示例代码展示了如何创建一个10MB的文件,并将其填充为全零数据。掌握这些方法,可以方便地在例如日志系统或磁盘队列等场景中,预先创建测试文件或初始…

    2026年5月10日
    000
  • Python命令怎样使用profile分析脚本性能 Python命令性能分析的基础教程

    使用Python的cProfile模块分析脚本性能最直接的方式是通过命令行执行python -m cProfile your_script.py,它会输出每个函数的调用次数、总耗时、累积耗时等关键指标,帮助定位性能瓶颈;为进一步分析,可将结果保存为文件python -m cProfile -o ou…

    2026年5月10日
    000

发表回复

登录后才能评论
关注微信