我有来自数据库的超过 100 万个日期时间对象,我想将它们中的每一个转换为时区感知的日期时间对象。这是我的辅助函数 conv_tz:
# dt is python datetime object, src_tz and dest_tz and pytz.timezone objects
def conv_tz(dt, src_tz, dest_tz):
if not dt: return None
sdt = src_tz.localize(dt)
return sdt.astimezone(dest_tz)
这是分析器的结果:
ncalls tottime percall cumtime percall filename:lineno(function)
1101475 1.166 0.000 44.440 0.000 ../release/python/lib/dtutil.py:128(conv_tz)
1101475 9.092 0.000 35.656 0.000 /app/python/lib/python3.4/site-packages/pytz/tzinfo.py:244(localize)
问题1:有什么办法可以让它运行得更快吗?假设数据库中的每个日期时间对象位于 pytz.timezone('America/New_York') 中,并且目标时区因每个日期时间对象(或数据库中的每一行)而异
事实上,在我获得时区感知的日期时间对象后,我真正想要实现的是将这些日期时间对象转换为matlab时间(不支持时区)。所以这是我使用的to_mat函数:
def to_mat(dt):
if not dt: return None
val = dt.toordinal() + 366
t = dt.time()
return val + (((t.hour * 60) + t.minute) * 60 + t.second) / float(_seconds_day) + t.microsecond / 1.0e6 / _seconds_day
我将这两个函数一起调用以处理超过 100 万个日期时间对象:
matdt = dtutil.to_mat(dtutil.conv_tz(dt, pytz.timezone('America/New_York'), dst_tz))
问题2:也许有更好的方法来一起进行这些转换?这是 to_mat 的分析器,它似乎比 conv_tz 耗时更少:
3304425 5.067 0.000 5.662 0.000 ../release/python/lib/dtutil.py:8(to_mat)
环境:CentOS6 x64 + Python3.4.3 x64