Konwertowanie między datetime, datownikiem i datetime64


290

Jak przekonwertować numpy.datetime64obiekt na datetime.datetime(lub Timestamp)?

W poniższym kodzie tworzę obiekty datetime, timestamp i datetime64.

import datetime
import numpy as np
import pandas as pd
dt = datetime.datetime(2012, 5, 1)
# A strange way to extract a Timestamp object, there's surely a better way?
ts = pd.DatetimeIndex([dt])[0]
dt64 = np.datetime64(dt)

In [7]: dt
Out[7]: datetime.datetime(2012, 5, 1, 0, 0)

In [8]: ts
Out[8]: <Timestamp: 2012-05-01 00:00:00>

In [9]: dt64
Out[9]: numpy.datetime64('2012-05-01T01:00:00.000000+0100')

Uwaga: łatwo jest uzyskać datę i godzinę ze znacznika czasu:

In [10]: ts.to_datetime()
Out[10]: datetime.datetime(2012, 5, 1, 0, 0)

Ale jak wyodrębnić datetimelub Timestampz numpy.datetime64( dt64)?

.

Aktualizacja: nieco nieprzyjemny przykład w moim zbiorze danych (być może motywujący) wydaje się:

dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')

który powinien być datetime.datetime(2002, 6, 28, 1, 0), a nie długi (!) ( 1025222400000000000L) ...


2
powinieneś przyjąć odpowiedź @Wes McKinney , który jest znacznie krótszy i powinien działać na ostatnich numpy, pandaswersjach.
jfs

@JFSebastian Hmmm, czy to oznacza, że ​​odpowiedź brzmi: „nie przechodź z np.datetime do datetime” ... po prostu użyj pd.Timestamp (ponieważ i tak jest to podklasa datetime), lub jeśli naprawdę musisz go użyć pd.Timestamp(dt64).to_datetime(). Nadal jestem trochę niezadowolony z tego, ale z pewnością Wes jest mniej specyficzny dla mojego starego problemu (i tak lepiej dla świata)! Jeszcze raz dziękuję za poświęcenie czasu na odpowiedź. :)
Andy Hayden,

Twoje pytanie brzmi „lub Timestamp i Timestampjest datetime(podklasą) w każdym razie :)
jfs

3
Dla tych, którzy przyjdą na to pytanie w 2017 roku, zapoznaj się z moją odpowiedzią poniżej, aby uzyskać szczegółowy samouczek dotyczący datetime, datetime64 i znaczników czasu: stackoverflow.com/a/46921593/3707607
Ted Petrou

Odpowiedzi:


132

Aby przekonwertować numpy.datetime64na obiekt datetime reprezentujący czas w UTC numpy-1.8:

>>> from datetime import datetime
>>> import numpy as np
>>> dt = datetime.utcnow()
>>> dt
datetime.datetime(2012, 12, 4, 19, 51, 25, 362455)
>>> dt64 = np.datetime64(dt)
>>> ts = (dt64 - np.datetime64('1970-01-01T00:00:00Z')) / np.timedelta64(1, 's')
>>> ts
1354650685.3624549
>>> datetime.utcfromtimestamp(ts)
datetime.datetime(2012, 12, 4, 19, 51, 25, 362455)
>>> np.__version__
'1.8.0.dev-7b75899'

Powyższy przykład zakłada, że ​​naiwny obiekt typu data- np.datetime64godzina jest interpretowany jako czas w UTC.


Aby przekonwertować datetime na np.datetime64 i back ( numpy-1.6):

>>> np.datetime64(datetime.utcnow()).astype(datetime)
datetime.datetime(2012, 12, 4, 13, 34, 52, 827542)

Działa zarówno na pojedynczym obiekcie np.datetime64, jak i tablicy numpy np.datetime64.

Pomyśl o np.datetime64 w taki sam sposób, jak o np.int8, np.int16 itp. I zastosuj te same metody do konwersji między obiektami Python, takimi jak int, datetime i odpowiadające im obiekty numpy.

Twój „nieprzyjemny przykład” działa poprawnie:

>>> from datetime import datetime
>>> import numpy 
>>> numpy.datetime64('2002-06-28T01:00:00.000000000+0100').astype(datetime)
datetime.datetime(2002, 6, 28, 0, 0)
>>> numpy.__version__
'1.6.2' # current version available via pip install numpy

Mogę odtworzyć longwartość po numpy-1.8.0zainstalowaniu jako:

pip install git+https://github.com/numpy/numpy.git#egg=numpy-dev

Ten sam przykład:

>>> from datetime import datetime
>>> import numpy
>>> numpy.datetime64('2002-06-28T01:00:00.000000000+0100').astype(datetime)
1025222400000000000L
>>> numpy.__version__
'1.8.0.dev-7b75899'

Zwraca, longponieważ dla numpy.datetime64typu .astype(datetime)jest równoważne z .astype(object)tą, która zwraca liczbę całkowitą Python ( long) na numpy-1.8.

Aby uzyskać obiekt datetime, możesz:

>>> dt64.dtype
dtype('<M8[ns]')
>>> ns = 1e-9 # number of seconds in a nanosecond
>>> datetime.utcfromtimestamp(dt64.astype(int) * ns)
datetime.datetime(2002, 6, 28, 0, 0)

Aby uzyskać datetime64, który używa sekund bezpośrednio:

>>> dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100', 's')
>>> dt64.dtype
dtype('<M8[s]')
>>> datetime.utcfromtimestamp(dt64.astype(int))
datetime.datetime(2002, 6, 28, 0, 0)

Dokumenty numpy mówią, że interfejs API datetime jest eksperymentalny i może ulec zmianie w przyszłych wersjach numpy.


1
Obawiam się, że to nie zawsze działa: np. dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')Co daje długi ( 1025222400000000000L) (!)
Andy Hayden

@hayden: spróbuj type(dt64). dt64.astype(datetime) == datetime.utcfromtimestamp(dt64.astype(int)*1e-6)
jfs

@JFSebastian type(dt64)jest numpy.datetime64i dt64.astype(datetime)jest taki sam długi int ...: s
Andy Hayden

@hayden: Jaka jest twoja numeryczna wersja? Mój: numpy.__version__->'1.6.1'
jfs

Wersja 1.8.0 (w python 2.7.3), jeśli to działa, sugeruje, że jest to błąd w moim systemie!
Andy Hayden,

212

Możesz po prostu użyć konstruktora pd.Timestamp. Poniższy schemat może być przydatny w przypadku tego i powiązanych pytań.

Konwersje między reprezentacjami czasu


2
Miły!!! (Warto wspomnieć, że sytuacja poprawiła się, odkąd napisałem to pytanie, tutaj wykonano wiele pracy :))
Andy Hayden

106
Samo spojrzenie na ten diagram mówi mi, że coś jest zasadniczo nie tak z tymi wszystkimi rzeczami.
szalony jeż

4
To bardzo mylące, że pd.to_datetime wygenerowałoby znacznik czasu, gdyby podano liczbę ms lub ns, ale wygenerowałoby datetime.datetime, gdyby podano datetime.datetime lub np.datetime64, gdyby podano np.datetime64 ... Dlaczego ktoś miałby myślisz, że to rozsądne?
Mr.WorshipMe

7
@ Mr.WorshipMe Ten diagram wymaga aktualizacji. pd.to_datetimekonwertuje wszystko na pd.Timestamp. pd.TimestampObiekt ma sposobu to_pydatetime, aby powrócić do datetime.datetimeobiektu oraz to_datetime64sposobu przekształcenia się np.datetime64.
Ted Petrou

2
Jak mogę uzyskać wyższą rozdzielczość tego zdjęcia?
user3226167

136

Witaj w piekle.

Możesz po prostu przekazać obiekt datetime64 do pandas.Timestamp:

In [16]: Timestamp(numpy.datetime64('2012-05-01T01:00:00.000000'))
Out[16]: <Timestamp: 2012-05-01 01:00:00>

Zauważyłem, że to nie działa poprawnie w NumPy 1.6.1:

numpy.datetime64('2012-05-01T01:00:00.000000+0100')

Ponadto, pandas.to_datetimemoże być stosowany (ta jest wyłączona w wersji dev, nie sprawdził v0.9.1):

In [24]: pandas.to_datetime('2012-05-01T01:00:00.000000+0100')
Out[24]: datetime.datetime(2012, 5, 1, 1, 0, tzinfo=tzoffset(None, 3600))

5
Należy wspomnieć, że issubclass(pd.Timestamp, datetime)jest True. A Timestampsama klasa ma to_datetime()metodę.
jfs

7
pd.to_datetime('2012-05-01T01:00:00.000000+0100')zwraca Timestamp('2012-05-01 00:00:00')przynajmniej w pandach 0.17.1.
Anton Protopopov

96

Myślę, że może być bardziej skonsolidowany wysiłek w odpowiedzi, aby lepiej wyjaśnić związek między modułem datetime Pythona, datetime64 / timedelta64 numpy a obiektami Timestamp / Timedelta pand.

Standardowa biblioteka języka Python dla datetime

Standardowa biblioteka datetime ma cztery główne obiekty

  • czas - tylko czas mierzony w godzinach, minutach, sekundach i mikrosekundach
  • data - tylko rok, miesiąc i dzień
  • datetime - Wszystkie składniki godziny i daty
  • timedelta - ilość czasu z maksymalną jednostką dni

Utwórz te cztery obiekty

>>> import datetime
>>> datetime.time(hour=4, minute=3, second=10, microsecond=7199)
datetime.time(4, 3, 10, 7199)

>>> datetime.date(year=2017, month=10, day=24)
datetime.date(2017, 10, 24)

>>> datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 24, 4, 3, 10, 7199)

>>> datetime.timedelta(days=3, minutes = 55)
datetime.timedelta(3, 3300)

>>> # add timedelta to datetime
>>> datetime.timedelta(days=3, minutes = 55) + \
    datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 27, 4, 58, 10, 7199)

Obiekty datetime64 i timedelta64 NumPy

NumPy nie ma osobnych obiektów daty i godziny, tylko jeden obiekt datetime64 reprezentujący pojedynczy moment w czasie. Obiekt datetime modułu datetime ma mikrosekundową precyzję (jedna milionowa sekundy). Obiekt Datetime64 obiektu NumPy pozwala ustawić precyzję od godzin aż do attosekund (10 ^ -18). Konstruktor jest bardziej elastyczny i może przyjmować różne dane wejściowe.

Konstruuj obiekty Datetime64 i timedelta64 NumPy

Podaj liczbę całkowitą z ciągiem znaków dla jednostek. Zobacz wszystkie jednostki tutaj . Konwertuje się na tak wiele jednostek po epoce UNIX: 1 stycznia 1970 r

>>> np.datetime64(5, 'ns') 
numpy.datetime64('1970-01-01T00:00:00.000000005')

>>> np.datetime64(1508887504, 's')
numpy.datetime64('2017-10-24T23:25:04')

Możesz także używać ciągów, o ile są one w formacie ISO 8601.

>>> np.datetime64('2017-10-24')
numpy.datetime64('2017-10-24')

Timedeltas mają jedną jednostkę

>>> np.timedelta64(5, 'D') # 5 days
>>> np.timedelta64(10, 'h') 10 hours

Można je również utworzyć, odejmując dwa obiekty datetime64

>>> np.datetime64('2017-10-24T05:30:45.67') - np.datetime64('2017-10-22T12:35:40.123')
numpy.timedelta64(147305547,'ms')

Pandas Timestamp i Timedelta budują znacznie więcej funkcji na NumPy

Znacznik czasu pandy jest momentem bardzo podobnym do daty i godziny, ale z dużo większą funkcjonalnością. Można skonstruować je albo pd.Timestampalbo pd.to_datetime.

>>> pd.Timestamp(1239.1238934) #defautls to nanoseconds
Timestamp('1970-01-01 00:00:00.000001239')

>>> pd.Timestamp(1239.1238934, unit='D') # change units
Timestamp('1973-05-24 02:58:24.355200')

>>> pd.Timestamp('2017-10-24 05') # partial strings work
Timestamp('2017-10-24 05:00:00')

pd.to_datetime działa bardzo podobnie (z kilkoma dodatkowymi opcjami) i może konwertować listę ciągów znaków na znaczniki czasu.

>>> pd.to_datetime('2017-10-24 05')
Timestamp('2017-10-24 05:00:00')

>>> pd.to_datetime(['2017-1-1', '2017-1-2'])
DatetimeIndex(['2017-01-01', '2017-01-02'], dtype='datetime64[ns]', freq=None)

Konwertowanie datetime Pythona na datetime64 i znacznik czasu

>>> dt = datetime.datetime(year=2017, month=10, day=24, hour=4, 
                   minute=3, second=10, microsecond=7199)
>>> np.datetime64(dt)
numpy.datetime64('2017-10-24T04:03:10.007199')

>>> pd.Timestamp(dt) # or pd.to_datetime(dt)
Timestamp('2017-10-24 04:03:10.007199')

Konwertowanie numpy datetime64 na datetime i Datownik

>>> dt64 = np.datetime64('2017-10-24 05:34:20.123456')
>>> unix_epoch = np.datetime64(0, 's')
>>> one_second = np.timedelta64(1, 's')
>>> seconds_since_epoch = (dt64 - unix_epoch) / one_second
>>> seconds_since_epoch
1508823260.123456

>>> datetime.datetime.utcfromtimestamp(seconds_since_epoch)
>>> datetime.datetime(2017, 10, 24, 5, 34, 20, 123456)

Konwertuj na znacznik czasu

>>> pd.Timestamp(dt64)
Timestamp('2017-10-24 05:34:20.123456')

Konwertuj z datownika na datetime i datetime64

Jest to dość łatwe, ponieważ znaczniki czasu pand są bardzo potężne

>>> ts = pd.Timestamp('2017-10-24 04:24:33.654321')

>>> ts.to_pydatetime()   # Python's datetime
datetime.datetime(2017, 10, 24, 4, 24, 33, 654321)

>>> ts.to_datetime64()
numpy.datetime64('2017-10-24T04:24:33.654321000')

3
To szalone, że numpy do datetime jest wciąż trudne / hacky ... czy naprawdę nie ma lepszego sposobu? To dobra odpowiedź, myślę o zaakceptowaniu przeniesienia go na najwyższy poziom. Muszę raz jeszcze przeczytać innym głębiej przez komputer.
Andy Hayden

Co jest w tym takiego dziwnego? Znaczniki czasu Pandas działają dobrze i są dość proste.
Ted Petrou

2
Numpy do daty / godziny.
Andy Hayden,

1
Myślę, że to najlepsza odpowiedź, jaką kiedykolwiek widziałem. Python, pochodzący z Excela, VBA, SAS lub SQL, wydaje się dziwny, ponieważ nie ma tylko „jednego sposobu” pracy z datami / godzinami. Podobnie jak w przypadku wielu rzeczy w Pythonie lub R, wydaje się, że należy wybrać ulubioną metodę / moduł / klasę i trzymać się jej.
Sean McCarthy

Niesamowita odpowiedź
gioxc88

29
>>> dt64.tolist()
datetime.datetime(2012, 5, 1, 0, 0)

Dla DatetimeIndextego, tolistzwraca listę datetimeobiektów. Dla pojedynczego datetime64obiektu zwraca pojedynczy datetimeobiekt.


Naprawdę powinienem był wypróbować wszystkie metody :) (Jestem zszokowany, jak długo zmagałem się z tym) Dzięki
Andy Hayden

5
@hayden, jeśli wiesz, że jest to tablica skalarna / 0-d, wolałbym użyć, .item()która jest znacznie bardziej wyraźna (i nikt nie może podejść i zacząć argumentować, że powinna zwrócić listę).
seberg

1
Obawiam się, że to nie zawsze działa: np. dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')Co daje długi ( 1025222400000000000L) (!)
Andy Hayden

4
@hayden: typ, który jest zwracany przez .item()(sugerowane przez @seberg), .tolist()zależy od jednostki datetime64 używa, na przykład, Dprodukuje datetime.date(), us(mikrosekundy) wytwarzają datetime.datetime(), ns(nanosekundy) wytwarzają long. Jednostki zmieniają się w zależności od wartości wejściowych, np. numpy.datetime64('2012-05-01')Zastosowań 'D', numpy.datetime64('2012-05-01T00:00:00.000')zastosowań ms, numpy.datetime64('2012-05-01T00:00:00.000000000')zastosowań ns. Możesz otworzyć problem, jeśli uznasz go za mylący.
jfs

@AndyHayden Możesz również dodać dodatkowy argument, „us” lub „ms”, aby upewnić się, że zastosowano ten sam format, w wyniku czego w tolist () utworzono ten sam element daty / godziny
NM

11

Jeśli chcesz przekonwertować całą serię danych pandas na zwykłe dane python, możesz również użyć .to_pydatetime().

pd.date_range('20110101','20110102',freq='H').to_pydatetime()

> [datetime.datetime(2011, 1, 1, 0, 0) datetime.datetime(2011, 1, 1, 1, 0)
   datetime.datetime(2011, 1, 1, 2, 0) datetime.datetime(2011, 1, 1, 3, 0)
   ....

Obsługuje także strefy czasowe:

pd.date_range('20110101','20110102',freq='H').tz_localize('UTC').tz_convert('Australia/Sydney').to_pydatetime()

[ datetime.datetime(2011, 1, 1, 11, 0, tzinfo=<DstTzInfo 'Australia/Sydney' EST+11:00:00 DST>)
 datetime.datetime(2011, 1, 1, 12, 0, tzinfo=<DstTzInfo 'Australia/Sydney' EST+11:00:00 DST>)
....

UWAGA : Jeśli korzystasz z serii Pandas, nie możesz dzwonić to_pydatetime()z całej serii. Będziesz musiał wywoływać .to_pydatetime()każdy indywidualny datetime64 przy użyciu listy lub czegoś podobnego:

datetimes = [val.to_pydatetime() for val in df.problem_datetime_column]

10

Jedną z opcji jest użycie str, a następnie to_datetime(lub podobne):

In [11]: str(dt64)
Out[11]: '2012-05-01T01:00:00.000000+0100'

In [12]: pd.to_datetime(str(dt64))
Out[12]: datetime.datetime(2012, 5, 1, 1, 0, tzinfo=tzoffset(None, 3600))

Uwaga: nie jest równy, dtponieważ stał się „świadomy przesunięcia” :

In [13]: pd.to_datetime(str(dt64)).replace(tzinfo=None)
Out[13]: datetime.datetime(2012, 5, 1, 1, 0)

To wydaje się nieeleganckie.

.

Aktualizacja: poradzi sobie z „przykrym przykładem”:

In [21]: dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')

In [22]: pd.to_datetime(str(dt64)).replace(tzinfo=None)
Out[22]: datetime.datetime(2002, 6, 28, 1, 0)

Dzięki Andy za udostępnienie tej wskazówki. Z jakiegoś powodu nie jestem w stanie sprawić, żeby działało, jak to omawiam tutaj: stackoverflow.com/questions/22825349/…
Amelio Vazquez-Reina

@ user815423426 nigdy nie było to bardzo solidne rozwiązanie, myślę, że możesz przekazać format do konstruktora datetime, aby działać bardziej ogólnie. Jednak niezbyt pandastyczne!
Andy Hayden

8

Ten post jest aktywny od 4 lat i nadal mam problem z tym problemem konwersji - więc problem jest nadal aktywny w 2017 roku. Byłem nieco zszokowany, że dokumentacja numpy nie oferuje prostego algorytmu konwersji, ale to już inna historia.

Natknąłem się na inny sposób wykonania konwersji, który obejmuje tylko moduły numpyi datetimenie wymaga importowania pand, co wydaje mi się dużym kodem do zaimportowania w przypadku tak prostej konwersji. Zauważyłem, że datetime64.astype(datetime.datetime)zwróci datetime.datetimeobiekt, jeśli oryginał datetime64jest w jednostkach mikrosekund, podczas gdy inne jednostki zwracają znacznik czasu liczby całkowitej. Używam modułu xarraydo danych I / O z plików Netcdf, który wykorzystuje jednostki datetime64w nanosekundach, co powoduje niepowodzenie konwersji, chyba że najpierw przekonwertujesz na jednostki mikro-sekundowe. Oto przykładowy kod konwersji,

import numpy as np
import datetime

def convert_datetime64_to_datetime( usert: np.datetime64 )->datetime.datetime:
    t = np.datetime64( usert, 'us').astype(datetime.datetime)
return t

Został przetestowany tylko na mojej maszynie, którą jest Python 3.6 z najnowszą dystrybucją Anaconda 2017. Patrzyłem tylko na konwersję skalarną i nie sprawdziłem konwersji opartych na macierzy, choć sądzę, że będzie dobrze. Nie szukałem też kodu źródłowego numpy datetime64, aby sprawdzić, czy operacja ma sens, czy nie.


To jest świetne. Dziękuję za zrobienie tego.
Yu Chen

Dobry towar. Dziękuję Ci.
misantroop

1

Wróciłem do tej odpowiedzi więcej razy, niż potrafię zliczyć, więc postanowiłem zebrać małą szybką klasę, która konwertuje datetime64wartość Numpy na wartość Pythona datetime. Mam nadzieję, że to pomaga innym.

from datetime import datetime
import pandas as pd

class NumpyConverter(object):
    @classmethod
    def to_datetime(cls, dt64, tzinfo=None):
        """
        Converts a Numpy datetime64 to a Python datetime.
        :param dt64: A Numpy datetime64 variable
        :type dt64: numpy.datetime64
        :param tzinfo: The timezone the date / time value is in
        :type tzinfo: pytz.timezone
        :return: A Python datetime variable
        :rtype: datetime
        """
        ts = pd.to_datetime(dt64)
        if tzinfo is not None:
            return datetime(ts.year, ts.month, ts.day, ts.hour, ts.minute, ts.second, tzinfo=tzinfo)
        return datetime(ts.year, ts.month, ts.day, ts.hour, ts.minute, ts.second)

Zatrzymam to w torbie z narzędziami, coś mi mówi, że będę jej potrzebować ponownie.


2
Możesz po prostu zrobićts.to_pydatetime()
Ted Petrou

0
import numpy as np
import pandas as pd 

def np64toDate(np64):
    return pd.to_datetime(str(np64)).replace(tzinfo=None).to_datetime()

użyj tej funkcji, aby uzyskać natywny obiekt datetime python


Mam komunikat o błędziereplace() got an unexpected keyword argument 'tzinfo'
ogogmad

z której wersji pandy korzystasz? Mam wersję: 0.18.1 (panda pokaż pandy)
Crystal

tak jak ty. . .
ogogmad

Nie wiem, ale to działa dla mnie jak urok. pix.toile-libre.org/upload/original/1475645621.png
Kryształ

0

Niektóre rozwiązania działają dla mnie dobrze, ale numpy spowoduje utratę niektórych parametrów. Rozwiązaniem, które działa dla mnie lepiej, jest odczytanie daty jako daty i godziny pandy i wyraźne wycięcie roku, miesiąca i dnia obiektu pandy. Poniższy kod działa w najczęstszej sytuacji.

def format_dates(dates):
    dt = pd.to_datetime(dates)
    try: return [datetime.date(x.year, x.month, x.day) for x in dt]    
    except TypeError: return datetime.date(dt.year, dt.month, dt.day)

-1

w rzeczywistości wszystkie te typy dat mogą być trudne i potencjalnie problematyczne (muszą uważnie śledzić informacje o strefie czasowej). oto co zrobiłem, choć przyznaję, że martwię się, że przynajmniej część tego jest „nie z założenia”. można to również uczynić nieco bardziej kompaktowym w razie potrzeby. zaczynając od numpy.datetime64 dt_a:

dt_a

numpy.datetime64 („2015-04-24T23: 11: 26.270000-0700”)

dt_a1 = dt_a.tolist () # zwraca obiekt datetime w UTC, ale bez tzinfo

dt_a1

datetime.datetime (2015, 4, 25, 6, 11, 26, 270000)

# now, make your "aware" datetime:

dt_a2 = datetime.datetime (* list (dt_a1.timetuple () [: 6]) + [dt_a1.microsecond], tzinfo = pytz.timezone ('UTC'))

... i oczywiście można je skompresować w jedną linię w razie potrzeby.


docs.scipy.org/doc/numpy/reference/… w sprawie zmian w obsłudze stref czasowych.
hpaulj

Należy editzachować zgodność z: formatowaniem kodu, formatowaniem cytatów i formatowaniem tekstu. Należy również stosować się do wielkich liter, gramatyki i sprawdzać literówki, zgodnie z wytycznymi SO - patrz: Jak
publikować
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.