使用 Python 的日期时间时间戳，精度为微秒级

Question

我正在尝试在 Python 3.10+ 的 Windows 操作系统和 macOS 上获得精确到微秒的时间戳。

在 Windows 操作系统上，我注意到 Python 的内置 time.time()（与 datetime.fromtimestamp() 配对）和 datetime.datetime.now() 似乎有一个较慢的时钟。它们没有足够的分辨率来区分微秒级事件。好消息是 time 函数，如 time.perf_counter() 和 time.time_ns() 确实 似乎使用的时钟速度足够快，可以测量微秒级事件。

遗憾的是，我不知道如何将它们放入 datetime 对象中。如何将time.perf_counter() 或PEP 564 的纳秒分辨率时间函数的输出转换为datetime 对象？

注意：我不需要纳秒级的东西，所以扔掉低于 1-μs 的精度是可以的）。

---

当前解决方案

这是我当前的（hacky）解决方案，实际上效果很好，但我想知道是否有更清洁的方法：

import time
from datetime import datetime, timedelta
from typing import Final

IMPORT_TIMESTAMP: Final[datetime] = datetime.now()
INITIAL_PERF_COUNTER: Final[float] = time.perf_counter()


def get_timestamp() -> datetime:
    """Get a high resolution timestamp with μs-level precision."""
    dt_sec = time.perf_counter() - INITIAL_PERF_COUNTER
    return IMPORT_TIMESTAMP + timedelta(seconds=dt_sec)

Answer 1

这几乎和它得到的一样好，因为C 模块（如果可用）使用快速 C 实现覆盖在 datetime 模块的纯 Python 实现中定义的所有类，并且有没有钩子。
参考：python/cpython@cf86e36

注意：

1. 在精度中存在一个固有的亚微秒级误差，它等于在 datetime.now() 中获取系统时间与获取性能计数器时间之间所用的时间。
2. 添加datetime 和timedelta 会产生亚微秒级的性能成本。

根据您的具体用例是否多次调用，这可能会或可能不会重要。

稍有改进：

INITIAL_TIMESTAMP: Final[float] = time.time()
INITIAL_TIMESTAMP_PERF_COUNTER: Final[float] = time.perf_counter()

def get_timestamp_float() -> float:
    dt_sec = time.perf_counter() - INITIAL_TIMESTAMP_PERF_COUNTER
    return INITIAL_TIMESTAMP + dt_sec

def get_timestamp_now() -> datetime:
    dt_sec = time.perf_counter() - INITIAL_TIMESTAMP_PERF_COUNTER
    return datetime.fromtimestamp(INITIAL_TIMESTAMP + dt_sec)

---

轶事数字

窗户：

# Intrinsic error
timeit.timeit('datetime.now()', setup='from datetime import datetime')/1000000  # 0.31 μs
timeit.timeit('time.time()', setup='import time')/1000000                       # 0.07 μs

# Performance cost
setup = 'from datetime import datetime, timedelta; import time'
timeit.timeit('datetime.now() + timedelta(1.000001)', setup=setup)/1000000            # 0.79 μs
timeit.timeit('datetime.fromtimestamp(time.time() + 1.000001)', setup=setup)/1000000  # 0.44 μs

# Resolution
min get_timestamp_float() delta: 239 ns

Windows 和 macOS：

	Windows	macOS
# Intrinsic error
timeit.timeit('datetime.now()', setup='from datetime import datetime')/1000000	0.31 μs	0.61 μs
timeit.timeit('time.time()', setup='import time')/1000000	0.07 μs	0.08 μs
# Performance cost
setup = 'from datetime import datetime, timedelta; import time'	-	-
timeit.timeit('datetime.now() + timedelta(1.000001)', setup=setup)/1000000	0.79 μs	1.26 μs
timeit.timeit('datetime.fromtimestamp(time.time() + 1.000001)', setup=setup)/1000000	0.44 μs	0.69 μs
# Resolution
min time() delta (benchmark)	x ms	716 ns
min get_timestamp_float() delta	239 ns	239 ns

239 ns 是 float 在 Unix 时间量级上允许的最小差异，正如 cmets 中的 Kelly Bundy 所指出的那样。

x = time.time()
print((math.nextafter(x, 2*x) - x) * 1e9)  # 238.4185791015625

脚本

解析脚本，基于https://www.python.org/dev/peps/pep-0564/#script:

import math
import time
from typing import Final

LOOPS = 10 ** 6

INITIAL_TIMESTAMP: Final[float] = time.time()
INITIAL_TIMESTAMP_PERF_COUNTER: Final[float] = time.perf_counter()

def get_timestamp_float() -> float:
    dt_sec = time.perf_counter() - INITIAL_TIMESTAMP_PERF_COUNTER
    return INITIAL_TIMESTAMP + dt_sec

min_dt = [abs(time.time() - time.time())
          for _ in range(LOOPS)]
min_dt = min(filter(bool, min_dt))
print("min time() delta: %s ns" % math.ceil(min_dt * 1e9))

min_dt = [abs(get_timestamp_float() - get_timestamp_float())
          for _ in range(LOOPS)]
min_dt = min(filter(bool, min_dt))
print("min get_timestamp_float() delta: %s ns" % math.ceil(min_dt * 1e9))