Datetimes con Python

Daniel Morales
Por Daniel Morales - Screencast # 2
Oct 06, 2020


Datetimes con Python
  • Datetime es básicamente un Objeto de python que representa un punto en el tiempo. 
  • Como años, días, segundos, milisegundos. Esto es muy útil para crear nuestros programas. Es bueno familiarizarnos
  • El módulo de fecha y hora suministra clases para manipular las fechas y horas de forma simple y compleja. Si bien se admite la aritmética de la fecha y la hora, la aplicación se centra en la extracción eficiente de atributos para el formato y la manipulación de la salida

Objeto time
  • Un objeto time representa una hora del día (local), independiente de cualquier día en particular, y sujeto a ajuste a través de un objeto tzinfo.
  • Todos los argumentos son opcionales. tzinfo puede ser None, o una instancia de una subclase de tzinfo. 
  • El resto de los argumentos pueden ser enteros, en los siguientes rangos:
  • Si se da un argumento fuera de esos rangos, se eleva el Value-Error. 
  • Todos los valores por defecto son 0 excepto tzinfo, que por defecto es None.
Objetos Naive & Aware
  • Hay dos tipos de objetos de fecha y hora:  “naive” & “aware”.
  • Un objeto “aware” tiene suficiente conocimiento de los ajustes algorítmicos y políticos de la hora aplicables, como la información sobre la zona horaria y el horario de verano, para situarse en relación con otros objetos”aware”. 
  • Un objeto “aware” se utiliza para representar un momento específico en el tiempo que no está abierto a la interpretación. Ignora Relatividad
  • Un objeto “naive” no contiene suficiente información para situarse sin ambigüedades en relación con otros objetos de fecha/hora
  • El que un objeto “naive” represente el Tiempo Universal Coordinado (UTC), la hora local o la hora de alguna otra zona horaria depende puramente del programa, al igual que depende del programa el que un número determinado represente metros, millas o masa
  • Los objetos “naive” son fáciles de entender y de trabajar, a costa de ignorar algunos aspectos de la realidad.
  • Esto finalmente nos sirve para trabajar zonas horarias, y cambios de horas (segun verano-invierno) y zonas americanas como por ejemplo EST o EDT
  • Soportar las zonas horarias en niveles más profundos de detalle depende de la aplicación. 
  • Las reglas para el ajuste de tiempo en todo el mundo son más políticas que racionales, cambian frecuentemente, y no hay un estándar adecuado para cada aplicación aparte del UTC
  • Los objetos de este tipo son inmutables.
  • Los objetos del tipo de fecha son siempre ingenuos.
Timedelta
  • Un objeto timedelta representa una duración, la diferencia entre dos fechas u horas.
  • Todos los argumentos son opcionales y por defecto a 0. 
  • Los argumentos pueden ser enteros o flotantes, y pueden ser positivos o negativos.
  • Sólo los días, segundos y microsegundos se almacenan internamente. Los argumentos se convierten a esas unidades:
    • Un milisegundo se convierte en 1000 microsegundos.
    • Un minuto se convierte en 60 segundos.
    • Una hora se convierte en 3600 segundos.
    • Una semana se convierte en 7 días.
  • y los días, los segundos y los microsegundos se normalizan para que la representación sea única, con
    • 0 <= microseconds < 1000000
    • 0 <= seconds < 3600*24 (the number of seconds in one day)
    • -999999999 <= days <= 999999999

“Datetimes con Python”
– Daniel Morales twitter social icon Tweet

Compartir este artículo:

0 Comentarios

Crear un comentario
Ingresar para Comentar
divider graphic

Otros Tutoriales

6

Trabajando el Pipeline de Machine Learning con PyCaret - Parte 4

PrediccionAntes de finalizar el modelo, es aconsejable realizar una comprobación final mediante la predicción del conjunto de test/hold-out y la re...

Daniel Morales
Por Daniel Morales
7

Trabajando el Pipeline de Machine Learning con PyCaret - Parte 3

Creando el Modelocreate_model es la función más granular de PyCaret y a menudo es la base de la mayoría de las funcionalidades de PyCaretComo su no...

Daniel Morales
Por Daniel Morales
12

Trabajando el Pipeline de Machine Learning con PyCaret - Parte 2

Puedes acceder a la Parte#1 de Trabajando el Pipeline de Machine Learning con PyCaret aqui: Entorno de PyCaretAhora vamos a configurar el ambiente ...

Daniel Morales
Por Daniel Morales
Partners

arrow-up icon