Прибавление количества дней к дате в Python: datetime, timedelta и dateutil

Краткая памятка по добавлению дней к дате в Python

1. Импортируйте from datetime import datetime, timedelta.
2. Создайте объект даты: date = datetime.now().
3. Добавьте дни: new_date = date + timedelta(days=10).
4. Для строк используйте strptime для парсинга.
5. Для сложных сдвигов (месяцы, годы) используйте dateutil.relativedelta.
6. Для массовых операций применяйте pandas.
7. Проверяйте корректность при переходе через границы месяцев.
8. Для бизнес-дней используйте специализированные библиотеки.
9. Форматируйте результат через strftime.
10. Тестируйте на граничных датах (29 февраля, 31 декабря).
11. Храните даты в едином формате (UTC) для избежания ошибок.
12. Используйте dateutil.parser для гибкого парсинга строк.

Почему важно уметь добавлять дни к дате в Python

Операции с датами — не просто академическое упражнение. Это фундаментальный навык, без которого невозможно решать широкий спектр практических задач в программировании. Добавление дней к дате применяется во множестве сценариев:

• Расчет сроков действия документов и подписок
• Планирование бизнес-процессов и проектных задач
• Прогнозирование временных рядов в аналитике данных
• Создание систем бронирования и планировщиков
• Автоматизация отчетности с периодами времени

По данным исследования Stack Overflow за 2026 год, около 74% Python-разработчиков регулярно работают с библиотеками для обработки дат и времени. При этом почти треть из них признается, что сталкивалась с ошибками из-за неправильного обращения с датами. 📅

Пару лет назад я работал над системой управления запасами для крупного ритейлера. Мы рассчитывали даты поставок товаров, оптимальные периоды хранения и сроки годности. Казалось бы, что может быть проще — взять дату и прибавить к ней нужное количество дней?

Но когда система выдала ошибочные расчеты на стыке месяцев, мы обнаружили, что наивное использование простой арифметики с датами (например, через преобразование в timestamp и обратно) привело к ошибкам в критических бизнес-процессах. Один неправильный расчет срока годности мог стоить компании тысячи долларов и репутационных потерь.

После этого инцидента я разработал строгий протокол работы с датами в нашей команде, где ключевым инструментом стал datetime с timedelta. Ошибки прекратились, а производительность системы даже выросла.

Важно также отметить, что правильное манипулирование датами в Python — это признак профессионального подхода к программированию. Неоптимальные или нестандартные методы работы с датами могут сделать ваш код:

• Менее читаемым и понятным для других разработчиков
• Подверженным скрытым ошибкам (особенно при переходе через даты вроде 29 февраля)
• Трудным для поддержки и масштабирования
• Неэффективным с точки зрения производительности

Таблица №1

Теперь, осознав важность корректной работы с датами, давайте разберем самый базовый и надежный способ добавления дней к дате в Python.

Базовый способ: datetime и timedelta для новичков

Модуль datetime — это стандартный и наиболее надежный инструмент для работы с датами в Python. Его преимущества — встроенность в стандартную библиотеку (не нужно устанавливать дополнительных пакетов) и интуитивный API, идеально подходящий для новичков. 🔧

Для добавления дней к дате используется связка объектов datetime и timedelta. Рассмотрим основной паттерн:

from datetime import datetime, timedelta # Получаем текущую дату current_date = () print(f»Текущая дата: {current_date}») # Добавляем 5 дней future_date = current_date + timedelta(days=5) print(f»Дата через 5 дней: {future_date}») # Вы также можете указать конкретную дату specific_date = datetime(2026, 12, 31) new_year_plus_week = specific_date + timedelta(days=7) print(f»Неделя после Нового года: {new_year_plus_week}»)

• timedelta автоматически учитывает переходы между месяцами и годами
• Корректно обрабатывает високосные годы
• Позволяет выполнять вычитание дат для нахождения разницы во времени
• Поддерживает арифметические операции (умножение timedelta на число, сложение нескольких timedelta)

Сравним скорость выполнения операций с датами при использовании различных количеств дней:

Таблица №2

Как видно из таблицы, производительность timedelta остается стабильной даже при работе с большими временными интервалами.

Практический пример использования datetime и timedelta в реальном приложении:

def calculate_deadline(start_date, task_duration_days): «»» Рассчитывает дедлайн задачи на основе даты начала и длительности Args: start_date: Дата начала задачи (datetime) task_duration_days: Длительность в днях (int) Returns: datetime: Дата дедлайна «»» # Предположим, что рабочая неделя – пн-пт deadline = start_date # Добавляем дни, пропуская выходные days_added = 0 while days_added < task_duration_days: deadline += timedelta(days=1) # Если это не выходной (6 – суббота, 7 – воскресенье) if () < 6: days_added += 1 return deadline # Пример использования project_start = datetime(2026, 11, 20) # Понедельник task_deadline = calculate_deadline(project_start, 10) print(f»Дедлайн задачи: {task_deadline.strftime(‘%d.%m.%Y’)}»)

Этот базовый способ покрывает большинство повседневных задач при работе с датами. Однако иногда требуется более гибкий подход, особенно когда речь идет о сложных календарных расчетах.

Гибкое добавление дней с помощью модуля dateutil

Когда возможностей стандартной библиотеки datetime не хватает, на помощь приходит модуль dateutil. Это более мощная сторонняя библиотека, предоставляющая продвинутый функционал для работы с датами и временем. 🚀

Модуль dateutil предлагает более гибкие механизмы для манипуляции датами, включая:

• Умные операции с относительными периодами (месяцы, годы)
• Продвинутый парсинг дат из строк различных форматов
• Работу с рекуррентными событиями (повторяющимися датами)
• Обработку часовых поясов и перевод времени между ними

from datetime import datetime from import relativedelta # Текущая дата current_date = () print(f»Текущая дата: {current_date}») # Добавляем 5 дней с помощью relativedelta future_date = current_date + relativedelta(days=5) print(f»Дата через 5 дней: {future_date}»)

На первый взгляд это выглядит очень похоже на работу с timedelta. Однако relativedelta значительно мощнее, поскольку позволяет более естественно работать с календарными понятиями:

# Добавляем 1 месяц next_month = current_date + relativedelta(months=1) print(f»Дата через месяц: {next_month}») # Добавляем 1 год, 3 месяца и 5 дней complex_date = current_date + relativedelta(years=1, months=3, days=5) print(f»Сложная дата: {complex_date}») # Переход к последнему дню месяца last_day_of_month = current_date + relativedelta(day=31) print(f»Последний день текущего месяца: {last_day_of_month}») # Переход к следующему вторнику next_tuesday = current_date + relativedelta(weekday=1) print(f»Следующий вторник: {next_tuesday}»)

Я столкнулась с необходимостью реализовать сложную систему отчетности для финансового департамента. Требовалось генерировать отчеты на последний рабочий день каждого месяца и учитывать государственные праздники.

Сначала я пыталась использовать стандартный datetime с timedelta, но вычисление «последнего рабочего дня месяца» превратилось в кошмар из условных операторов и проверок. Код становился громоздким и трудночитаемым.

Переход на dateutil с relativedelta полностью изменил ситуацию. Вместо десятков строк запутанного кода я смогла элегантно решить задачу:

def last_business_day(year, month): # Получаем последний день месяца last_day = datetime(year, month, 1) + relativedelta(months=1, days=-1) # Если это выходной, двигаемся назад до рабочего дня while last_day.weekday() >= 5 or last_day in holidays: # 5=суббота, 6=воскресенье last_day -= relativedelta(days=1) return last_day

Этот простой код безупречно работает уже больше года, легко поддерживается и даже был адаптирован для других департаментов компании.

Преимущества relativedelta особенно заметны при работе с месяцами и годами, где простое добавление дней может давать неожиданные результаты из-за различного количества дней в разных месяцах:

from datetime import datetime, timedelta from import relativedelta # Начальная дата: 31 января 2026 start_date = datetime(2026, 1, 31) # Добавление 1 месяца с использованием timedelta (30 дней) with_timedelta = start_date + timedelta(days=30) # Это будет 2 марта 2026 # Добавление 1 месяца с использованием relativedelta with_relativedelta = start_date + relativedelta(months=1) # Это будет 28 февраля 2026 print(f»Исходная дата: {start_date}») print(f»timedelta +30 дней: {with_timedelta}») print(f»relativedelta +1 месяц: {with_relativedelta}»)

Еще одно мощное применение dateutil — обработка рекуррентных событий с помощью модуля rrule:

from import rrule, MONTHLY, MO, WE, FR from datetime import datetime # Получаем все понедельники, среды и пятницы за следующие 2 месяца start = () end = start + relativedelta(months=2) # Создаем правило для нужных дней недели weekdays = list(rrule(MONTHLY, byweekday=(MO, WE, FR), dtstart=start, until=end)) print(f»Рабочие дни на следующие 2 месяца:») for day in weekdays[:5]: # Выводим первые 5 дней для примера print(f»- {(‘%d.%m.%Y, %A’)}»)

Модуль dateutil — золотая середина между простотой стандартной библиотеки datetime и мощностью специализированных решений для обработки временных рядов, таких как pandas.

Массовые операции с датами через

Когда речь заходит о манипуляции большими наборами дат или временных рядов, pandas становится незаменимым инструментом. Эта библиотека специально оптимизирована для работы с табличными данными и предлагает высокопроизводительные операции над временными рядами. 📈

• Обрабатывать сотни или тысячи дат одновременно
• Выполнять векторизованные операции над временными данными
• Анализировать временные ряды с помощью специализированных функций
• Агрегировать данные по временным периодам
• Ресемплировать временные ряды (изменять частоту наблюдений)

import pandas as pd from datetime import datetime # Создаем Series с датами dates = ([datetime(2026, 11, 1), datetime(2026, 11, 15), datetime(2026, 11, 30)]) print(«Исходные даты:») print(dates) # Добавляем 7 дней ко всем датам одной операцией new_dates = dates + (days=7) print(«\nДаты после добавления 7 дней:») print(new_dates)

import pandas as pd import numpy as np # Создаем DataFrame с датами за месяц date_range = pd.date_range(start=’2026-11-01′, end=’2026-11-30′, freq=’D’) df = ({ ‘date’: date_range, ‘value’: (1, 100, size=len(date_range)) }) print(«Исходный DataFrame:») print(()) # Добавляем столбцы с датами в будущем df[‘next_day’] = df[‘date’] + (days=1) df[‘next_week’] = df[‘date’] + (days=7) df[‘next_month’] = df[‘date’] + (months=1) print(«\nDataFrame с добавленными датами:») print(()) # Анализируем данные по дням недели df[‘weekday’] = df[‘date’].dt.day_name() weekday_stats = (‘weekday’)[‘value’].agg([‘mean’, ‘min’, ‘max’]) print(«\nСтатистика по дням недели:») print(weekday_stats)

1. : для добавления точных временных интервалов (дни, часы, минуты)
2. : для добавления календарных периодов (месяцы, годы, кварталы)
3. : для более сложных смещений, включая бизнес-дни

Таблица №3

import pandas as pd from import BusinessDay, CustomBusinessDay from import USFederalHolidayCalendar # Создаем дату start_date = (‘2026-11-24′) # Пятница print(f»Исходная дата: {start_date}») # Добавляем 5 бизнес-дней (пропуская выходные) business_days = start_date + BusinessDay(5) print(f»Через 5 бизнес-дней: {business_days}») # Должна быть пятница следующей недели # Создаем календарь с праздниками (используем встроенный календарь США для примера) cal = USFederalHolidayCalendar() holidays = (start=’2026-01-01′, end=’2026-12-31’) # Создаем пользовательский бизнес-день, учитывающий праздники custom_bd = CustomBusinessDay(calendar=cal) # Добавляем 5 бизнес-дней, учитывая праздники business_days_with_holidays = start_date + custom_bd * 5 print(f»Через 5 бизнес-дней (с учетом праздников): {business_days_with_holidays}»)

Pandas также предлагает мощные возможности для массового преобразования дат при работе с большими наборами данных:

# Создаем DataFrame с миллионом дат dates = pd.date_range(start=’2000-01-01′, periods=1_000_000, freq=’H’) df = ({‘original_date’: dates}) # Добавляем различные смещения для всего DataFrame одновременно %time df[‘plus_day’] = df[‘original_date’] + (days=1) %time df[‘plus_month’] = df[‘original_date’] + (months=1) %time df[‘plus_business_week’] = df[‘original_date’] + BusinessDay(5) print(f»Обработано {len(df)} дат») print(())

Pandas — идеальный выбор для аналитических задач, где требуется обработка больших массивов дат, особенно при анализе временных рядов, финансовых данных или данных с датчиков.

Практические задачи: от планировщика до анализа данных

Теория без практики бесполезна. Давайте рассмотрим несколько реальных задач, где умение добавлять дни к датам в Python становится критически важным навыком. 🧩

Эти примеры не только демонстрируют применение изученных техник, но и показывают, как выбрать оптимальный подход в зависимости от контекста задачи.

Допустим, нам нужно разработать простой планировщик задач, который будет рассчитывать дедлайны на основе продолжительности задачи и приоритета:

from datetime import datetime, timedelta from import relativedelta import pandas as pd class TaskScheduler: def __init__(self): = (columns=[‘name’, ‘priority’, ‘duration_days’, ‘start_date’, ‘deadline’]) def add_task(self, name, priority, duration_days, start_date=None): «»» Добавляет задачу в планировщик и рассчитывает дедлайн Args: name (str): Название задачи priority (int): Приоритет (1-3, где 1 – высший) duration_days (int): Продолжительность в рабочих днях start_date (datetime, optional): Дата начала (по умолчанию сегодня) «»» if start_date is None: start_date = () # Расчет дедлайна в зависимости от приоритета if priority == 1: # Высокий приоритет – только рабочие дни deadline = start_date business_days = 0 while business_days < duration_days: deadline += timedelta(days=1) # Проверяем, является ли день рабочим (пн-пт) if () < 5: business_days += 1 elif priority == 2: # Средний приоритет – календарные дни deadline = start_date + timedelta(days=duration_days) else: # Низкий приоритет – добавляем месяц deadline = start_date + relativedelta(days=duration_days) # Если дедлайн выпадает на выходной, переносим на понедельник if () >= 5: # 5=суббота, 6=воскресенье deadline += relativedelta(weekday=0) # 0=понедельник # Добавляем задачу в DataFrame new_task = ({ ‘name’: [name], ‘priority’: [priority], ‘duration_days’: [duration_days], ‘start_date’: [start_date], ‘deadline’: [deadline] }) = ([, new_task], ignore_index=True) def get_upcoming_deadlines(self, days=7): «»»Возвращает задачи с дедлайнами в ближайшие N дней»»» today = () upcoming = today + timedelta(days=days) return [([‘deadline’] >= today) & ([‘deadline’] <= upcoming)].sort_values(‘deadline’) def show_all_tasks(self): «»»Выводит все задачи с отформатированными датами»»» if: return «Нет задач» display_df = () display_df[‘start_date’] = display_df[‘start_date’].(‘%d.%m.%Y’) display_df[‘deadline’] = display_df[‘deadline’].(‘%d.%m.%Y’) return display_df # Пример использования scheduler = TaskScheduler() scheduler.add_task(«Разработать API», 1, 5) scheduler.add_task(«Написать документацию», 2, 3) scheduler.add_task(«Обновить зависимости», 3, 2) print(«Все задачи:») print(scheduler.show_all_tasks()) print(«\nБлижайшие дедлайны:») print(scheduler.get_upcoming_deadlines())

import pandas as pd from datetime import datetime def generate_payment_schedule(start_date, amount, installments, frequency=’monthly’, payment_day=None): «»» Генерирует график платежей Args: start_date (datetime): Дата первого платежа amount (float): Общая сумма installments (int): Количество платежей frequency (str): Частота платежей (‘weekly’, ‘monthly’, ‘quarterly’) payment_day (int, optional): Предпочитаемый день месяца для платежа (только для monthly/quarterly) Returns: DataFrame: График платежей «»» # Определяем размер одного платежа installment_amount = round(amount / installments, 2) # Создаем начальный DataFrame payments = ({ ‘payment_number’: range(1, installments + 1), ‘amount’: [installment_amount] * installments }) # Устанавливаем предпочитаемый день платежа if payment_day and frequency in [‘monthly’, ‘quarterly’]: # Если указан конкретный день месяца, используем его start_date = start_date.replace(day=min(payment_day, 28)) # Определяем частоту для date_range freq_map = { ‘weekly’: ‘W’, ‘monthly’: ‘MS’, # Month Start ‘quarterly’: ‘QS’ # Quarter Start } # Генерируем даты платежей payment_dates = pd.date_range(start=start_date, periods=installments, freq=freq_map[frequency]) # Если нужен конкретный день месяца, корректируем даты if payment_day and frequency in [‘monthly’, ‘quarterly’]: # Корректируем день месяца, учитывая максимальное количество дней payment_dates = [(day=min(payment_day, (,, 1).days_in_month)) for date in payment_dates] # Добавляем даты в DataFrame payments[‘payment_date’] = payment_dates # Добавляем накопительную сумму платежей payments[‘cumulative_amount’] = payments[‘amount’].cumsum() # Добавляем оставшуюся сумму payments[‘remaining_amount’] = amount – payments[‘cumulative_amount’] return payments # Пример использования loan_start = datetime(2026, 12, 1) loan_amount = 12000 loan_term = 12 # Генерируем график ежемесячных платежей с платежами 15-го числа monthly_schedule = generate_payment_schedule(loan_start, loan_amount, loan_term, frequency=’monthly’, payment_day=15) print(«График ежемесячных платежей:») print(monthly_schedule.to_string(index=False))

В этом примере мы создадим функцию для анализа продаж с группировкой по различным временным интервалам:

import pandas as pd import numpy as np import as plt # Создаем искусственный набор данных о продажах def generate_sales_data(start_date, end_date, n_products=5): «»»Генерирует тестовые данные о продажах»»» date_range = pd.date_range(start=start_date, end=end_date, freq=’D’) products = [f’Product-{i}’ for i in range(1, n_products + 1)] data = [] for date in date_range: for product in products: # Генерируем случайное количество продаж с тенденцией роста по времени days_from_start = (date – (start_date)).days trend = days_from_start / 30 # Небольшой тренд роста # Добавляем сезонность (выше продажи в выходные) seasonality = 1.5 if () >= 5 else 1.0 # Случайные колебания noise = (1, 0.2) # Итоговое количество продаж sales = int(max(0, (10 + trend) * seasonality * noise)) ({ ‘date’: date, ‘product’: product, ‘sales’: sales, ‘revenue’: sales * (10, 100) }) return (data) def analyze_sales_by_time_period(sales_df, period=’monthly’, metric=’sales’): «»» Анализирует продажи по временным периодам Args: sales_df (DataFrame): DataFrame с продажами period (str): Период группировки (‘daily’, ‘weekly’, ‘monthly’, ‘quarterly’) metric (str): Метрика для анализа (‘sales’, ‘revenue’) Returns: DataFrame: Агрегированные данные «»» # Создаем копию для работы df = sales_df.copy() # Преобразуем столбец date в datetime, если нужно if not.is_datetime64_any_dtype(df[‘date’]): df[‘date’] = pd.to_datetime(df[‘date’]) # Определяем частоту группировки if period == ‘daily’: df[‘period’] = df[‘date’] elif period == ‘weekly’: df[‘period’] = df[‘date’] – pd.to_timedelta(df[‘date’]., unit=’d’) elif period == ‘monthly’: df[‘period’] = df[‘date’].dt.to_period(‘M’).dt.to_timestamp() elif period == ‘quarterly’: df[‘period’] = df[‘date’].dt.to_period(‘Q’).dt.to_timestamp() else: raise ValueError(«Поддерживаемые периоды: ‘daily’, ‘weekly’, ‘monthly’, ‘quarterly'») # Группируем данные grouped = ([‘period’, ‘product’])[metric].sum().reset_index() # Создаем сводную таблицу для удобного представления pivot = (index=’period’, columns=’product’, values=metric) # Добавляем общую сумму pivot[‘Total’] = (axis=1) # Добавляем процентное изменение по сравнению с предыдущим периодом pivot[‘Change_%’] = pivot[‘Total’].pct_change() * 100 return pivot # Пример использования start_date = ‘2026-01-01’ end_date = ‘2026-06-30′ # Генерируем тестовые данные sales_data = generate_sales_data(start_date, end_date) # Анализируем по разным периодам monthly_analysis = analyze_sales_by_time_period(sales_data, period=’monthly’, metric=’revenue’) weekly_analysis = analyze_sales_by_time_period(sales_data, period=’weekly’, metric=’sales’) print(«Ежемесячный анализ выручки:») print(monthly_analysis.round(2)) print(«\nЕженедельный анализ продаж:») print(weekly_analysis.head().round(2)) # Визуализация результатов (figsize=(12, 6)) monthly_analysis[‘Total’].plot(marker=’o’, linestyle=’-‘, label=’Общая выручка’) (‘Динамика выручки по месяцам’) (‘Месяц’) (‘Выручка’) (True) plt.tight_layout() ()

Эти примеры демонстрируют, как изученные способы добавления дней к датам могут использоваться в реальных бизнес-сценариях. От простых задач планирования до сложной аналитики временных рядов — правильная работа с датами делает ваш код элегантным, эффективным и надежным.

Работа с датами в Python — один из тех фундаментальных навыков, которые отличают профессионального разработчика от новичка. Овладев четырьмя рассмотренными подходами — от базового datetime до аналитического pandas — вы получаете универсальный инструментарий для решения практически любой задачи, связанной с манипуляцией датами. Помните: выбор правильного инструмента зависит от контекста задачи. Для простых операций с отдельными датами datetime с timedelta будет оптимальным выбором. Для календарных расчетов выбирайте dateutil. А при работе с большими наборами временных данных ваш верный помощник — pandas. Практикуйтесь в применении этих инструментов, и обработка дат перестанет быть источником головной боли, превратившись в одно из ваших конкурентных преимуществ как Python-разработчика.

A: День года

Для определения номера дня в году лучше всего использовать константный массив количества дней в каждом месяце:

C: Перевод формата даты — 1

Считывание и преобразование даты оформляйте в виде отдельных методов класса.

Таблица №4

12.10.2008

October 12, 2008

01.01.0001

January 1, 1

G: Разница дат

__sub__
Две даты заданы в формате, каждая дата — в новой строке. Определите количество дней между этими датами. Вторая дата больше первой.Алгоритм решения задачи оформите в виде метода

Таблица №5

01.01.0001
02.01.0001

1

29.02.2004
01.03.2005

366

I: День рождения

Задан день и месяц рождения в формате. Задана текущая дата в формате. Определите, сколько дней осталось до дня рождения. Если сегодня — день рождения, то необходимо вывести 0.

Таблица №6

19.04
19.04.2002

0

05.05
19.04.2002

16

29.02
28.02.2001

1096

J: Номер дня по дате

Пронумеруем все даты подряд, считая, что 01.01.0001 имеет номер 1, 02.01.0001 — номер 2 и т.д. По заданной дате определите ее порядковый номер.

Программа получает на вход число дат \(N\le 200000\), затем заданы \(N\) дат. Для каждой из них выведите ее порядковый номер.

Данную функцию лучше всего оформить в виде метода __int__, вызываемым при преобразовании объекта к типу int.

Таблица №7

2
01.01.0001
01.01.0002

1
366

K: Дата по номеру дня

Данную функцию лучше всего оформить в форме конструктора, принимающего один параметр типа int.

Таблица №8

2
1
366

01.01.0001
01.01.0002

L: Разница дат — 2

Программа получает на вход число N, не превосходящее 105. Далее идет 2N дат, при этом не гарантируется, что первая дата меньше второй.

Выведите N чисел: для каждой пары дат входного файла выведите их разность (которая может быть как положительной, так и отрицательной).

Таблица №9

2
01.01.0001
02.01.0001
01.03.2005
29.02.2004

1
-366

Для хранения времени удобно создать класс Time с полями hours, minutes, seconds.

Времена будут, как правило, задаваться в формате hh:mm:ss, где hh принимает значения от 00 до 23, mm и ss — значения от 00 до 59 или в формате hh:mm.

M: Количество секунд

Таблица №10

00:01:01

61

P: Будильники

По информации о будильниках и текущему времени и дню недели определите, когда прозвонит очередной будильник.

В первой строке вводится текущий день недели (число от 1 до 7), затем через пробел, текущее время в формате HH:MM.

Во второй строке вводится одно натуральное число N, не превосходящее 100 – количество будильников.

В следующих N строках вводится описание N будильников в таком же формате. Значение дня недели, равное 0, означает, что будильник звонит каждый день.

Выведите номер дня недели и время, когда будильник зазвонит в следующий раз, в таком же формате.

Таблица №11

2 10:20
2
1 23:15
0 10:10

3 10:10

7 01:01
3
7 00:59
7 23:59
7 01:01

7 01:01

Q: Таймер-2

Выведите в формате HH:MM:SS время, во сколько прозвучит звуковой сигнал. При этом если сигнал прозвучит не в текущие сутки, то дальше должна следовать запись +<кол во> days. Например, если сигнал прозвучит на следующий день – то +1 days.

Таблица №12

01:01:01
48:0:0

01:01:01+2 days

01:01:01
58:119

02:01:00

23:59:59
1

00:00:00+1 days

R: Кассы

На одном из московских вокзалов билеты продают N касс. Каждая касса работает без перерыва определенный промежуток времени по фиксированному расписанию (одному и тому же каждый день). Требуется определить, на протяжении какого времени в течение суток работают все кассы одновременно.

В каждой из следующих N строк записано время начало и время окончания работы кассы в формате HH:MM через пробел.

Время открытия означает, что в соответствующую ему минуту касса уже работает, а время закрытия что в соответствующую минуту касса уже не работает. Например, касса, открытая с 10:30 18:30 ежесуточно работает 480 минут.

Если время открытия совпадает с временем закрытия, то касса работает круглосуточно. Если первое время больше второго, то касса начинает работу до полуночи, а заканчивает на следующий день.

Требуется вывести одно число суммарное время за сутки (в минутах), на протяжении которого работают все N касс.

Таблица №13

3
01:00 23:00
12:00 12:00
22:00 02:00

120

2
09:30 14:00
14:15 21:00

0

2
14:00 18:00
10:00 14:01

1

S: Самый старший

Имеется список людей с указанием их фамилии, имени и даты рождения. Напишите эффективную по времени работы и по используемой памяти программу, которая будет определять самого старшего человека из этого списка и выводить его фамилию, имя и дату рождения, а если имеется несколько самых старших людей с одинаковой датой рождения, то определять их количество.

На вход программе в первой строке подается количество людей в списке N. В каждой из последующих N строк находится информация в следующем формате:

где <Фамилия> – строка, состоящая не более, чем из 20 символов без пробелов, <Имя> – строка, состоящая не более, чем из 20 символов без пробелов, <Дата рождения> – строка, имеющая вид.

Программа должна вывести дату рождения самого старшего человека в списке, затем через пробел его фамилию и имя. Если таких людей, несколько, то вместо фамилии и имени выводится их количество.

Таблица №14

3
Ivan Petrov 01.05.1995
Petr Sergeev 29.04.1995
Sergey Ivanov 01.01.1996

29.04.1995 Petr Sergeev

3
Ivan Petrov 01.05.1995
Petr Sergeev 29.05.1995
Sergey Ivanov 01.05.1995

01.05.1995 2

T: Дни рождения

Имеется список сотрудников организации с указанием их фамилии, имени и даты рождения. Администрация ежедневно поздравляет всех сотрудников, родившихся в этот день. Напишите эффективную по времени работы и по используемой памяти программу, которая будет определять, в какой из дней года родилось больше всего сотрудников и выводить этот день (или несколько дней).

Формат входных данных аналогичен предыдущей задаче. Программа должна вывести список дат, в которые наибольшее число сотрудников отмечает дни рождения в формате по возрастанию дат, каждая дата в отдельной строке.

Таблица №15

5
Ivan Petrov 01.05.1995
Petr Sergeev 29.04.1995
Sergey Romanov 01.01.1996
Roman Grigoriev 01.01.1995
Grigoriy Ivanov 01.05.1995

01.01
01.05

U: Ближайшие дни рождения

Имеется список сотрудников организации с указанием их фамилии, имени и даты рождения. Напишите эффективную по времени работы и по используемой памяти программу, которая будет определять фамилию и имя самого молодого сотрудника, празднующего свой день рождения в течение ближайших семи дней от текущей даты (включая текущую дату).

На вход программе в первой сроке подается текущая дата, заданная в формате.

Во второй строке подается количество людей в списке N. В каждой из последующих N строк находится информация о каждом сотруднике, как в задаче T.

Известно, что у всех сотрудников даты рождения различаются. Программа должна вывести фамилию и имя самого молодого сотрудника, празднующего день рождения в ближайшие 7 дней или сообщение No birthdays in next week, если никто из сотрудников не празднует день рождения в ближайшие 7 дней.

Таблица №16

25.11.2010
3
Ivan Petrov 01.12.1994
Petr Sergeev 25.11.1994
Sergey Romanov 02.12.1994

Ivan Petrov

25.11.2010
1
Sergey Romanov 02.12.1994

No birthdays in next week

W: Кассы — 2

Решите задачу про кассы в следующих ограничениях: число касс до 10000, время задано с точностью до секунд в формате HH:MM:SS. Требуется определить, на протяжении какого времени (в секундах) в течение суток работают все кассы одновременно.

Таблица №17

3
01:00:00 23:00:00
12:00:00 12:00:00
22:00:00 02:00:00

7200

2
09:30:00 14:00:00
14:15:00 21:00:00

0

2
14:00:00 18:00:00
10:00:00 14:00:01

1

X: Игра с датами

Играет два человека. Задается какая-то дата високосного года. Каждый игрок на своем ходу называет более позднюю дату, увеличивая на 1 или на 2 либо день в месяце, либо месяц, но не то и другое сразу. При этом результат должен оставаться корректной датой. Игрок, назвавший 31 декабря, проигрывает. Кто выигрывает при правильной игре: первый или второй.

Программа получает на вход дату в формате и должна вывести одно число: номер выигрывающего игрока.

Таблица №18

30.12

2

29.12

1

29.11

2

Z: Выходные дни

Для каждого данного года посчитайте количество выходных дней в этом году (то есть количество суббот и воскресений).

Программа получает на вход число \(N\) (\(1\le N\le 10^6\)). В каждой из следующих \(N\) строк записано по одному числу от 2000 до \(10^9\) — номера годов.

Для каждого номера года выведите количество выходных дней в соответствующем годе.

Для ускорения ввода-вывода используйте для чтения объект, результат выводите в.

Таблица №19

2
2013
2014

104
104

Инкапсуляция

Если имя поля начинается с двух символов подчеркивания, например, __day, __month, __year, то эти поля являются “скрытыми”, то есть доступ к ним можно получить только из методов класса. Для работы с этими полями нужно использовать методы класса: конструкторы, метод __str__, перегруженные операции и т.д. При необходимости явно получить или изменить значение поля пишутся специальные методы типа get_day или set_day.

Слоты классов

Если специальному атрибуту класса с именем __slots__ присвоить значение, в виде списка из нескольких текстовых строк, то только перечисленные в данном списке имена могут использоваться в качестве имен полей (атрибутов) классов. Например:

Это также приведет к уменьшению времени обращения к атрибутам класса за счет другого способа хранения атрибутов в экземпляре класса.

Часто задаваемые вопросы о добавлении дней к дате в Python

Вопрос: Как добавить 30 дней к текущей дате в Python?
Ответ: Используйте datetime.now() + timedelta(days=30).

Вопрос: Что такое timedelta в Python?
Ответ: Это объект, представляющий разницу во времени, который можно прибавлять к датам.

Вопрос: Как добавить дни к дате, игнорируя выходные?
Ответ: Используйте библиотеку dateutil или напишите цикл с проверкой weekday().

Вопрос: Можно ли добавить дни к строке с датой?
Ответ: Да, сначала преобразуйте строку в объект datetime через strptime, затем прибавьте timedelta.

Вопрос: Как добавить 1 год к дате в Python?
Ответ: Используйте dateutil.relativedelta с параметром years=1.

Вопрос: Что делать, если при добавлении дней меняется месяц или год?
Ответ: timedelta автоматически корректно обрабатывает переходы между месяцами и годами.

Вопрос: Как добавить дни к дате в pandas?
Ответ: Используйте pd.to_datetime(series) + pd.to_timedelta(days, unit='D').

Вопрос: Как вычесть дни из даты в Python?
Ответ: Используйте date - timedelta(days=N).

Вопрос: Как добавить только рабочие дни к дате?
Ответ: Используйте библиотеку business_calendar или цикл с пропуском субботы и воскресенья.

Вопрос: Какой модуль лучше для работы с датами в Python?
Ответ: Для простых операций — datetime, для сложных (учет праздников, временных зон) — dateutil или pandas.