2015年07月04日

今天去剪头了,剪完出来蓦地想起了我的高中同桌,她家楼下有家理发店,每次上学来头发都收拾得整整齐齐的,看起来长的很乖巧,其实一点也不,很调皮,经常 逃课,所以经常是我替她打掩护,后来换座位了,再后来我就到成都了,她上高四了,后来我的一个和她做过邻桌的朋友跟我说,每当她提起我的时候总是说,每当 她逃课的时候总是我给她打掩护……呵呵 ……
不知道她现在怎么样了,还有那些人 ……那些人……

转载于:https://www.cnblogs.com/Fallever/p/6880690.html

任务描述 本关任务:根据预期输出,创建三种不同索引的数据结构。 相关知识 Pandas是为金融模型而创建的,所以拥有一些功能非常强大的期、时间、带时间索引数据的处理工具。 本关卡介绍的期与时间数据主要包含三类: 时间戳:表示某个具体的时间点;(例如20157月4上午 7 点) 时间间隔与周期:期表示开始时间点与结束时间点之间的时间长度,例如2015(指的是20151月1201512月31这段时间间隔)。周期通常是指一种特殊形式的时间间隔,每个间隔长度相同,彼此之间不会重叠;(例如,以24小时为周期构成每一天) 时间增量或持续时间:表示精确的时间长度。(例如,某程序运行持续时间22.56秒) Python 的期与时间工具 原生Python中也有处理期与时间的工具,它与Pandas中处理时间的工具有着千丝万缕的联系。 Python的期与时间功能都在标准库的datetime模块和第三方库dateutil模块。 如果你处理的时间数据量比较大,那么速度就会比较慢,这时就需要使用到NumPy中已经被编码的期类型数组了。 NumPy中的datetime64类型 Python原生期格式的性能弱点促使NumPy团队为NumPy增加了自己的时间序列类型。datetime64类型将期编码为64位整数,这样可以让期数组非常紧凑(节省内存)。 In[3]:import numpy as np date = np.array('2015-07-04', dtype=np.datetime64) date Out[3]:array(datetime.date(2015, 7, 4), dtype='datetime64[D]') 有了这个期格式,即可以进行快速的向量化运算: In[4]:date + np.arange(12) #由于date是datetime类型,所以向量化运算也是datetime类型的运算 Out[4]: array(['2015-07-04', '2015-07-05', '2015-07-06', '2015-07-07', '2015-07-08', '2015-07-09', '2015-07-10', '2015-07-11', '2015-07-12', '2015-07-13', '2015-07-14', '2015-07-15'], dtype='datetime64[D]') 由于datetime64对象是64位精度,所以可编码的时间范围可以是基本单元的 264倍。datetime64可以在时间精度与最大时间跨度之间达成了一种平衡,也就是说,NumPy会自动判断输入时间所需要使用的时间单位。 In[5]: np.datetime64('2015-07-04') # 天为单位 Out[5]: numpy.datetime64('2015-07-04') In[6]: np.datetime64('2015-07-04 12:00') # 分钟为单位 Out[6]: numpy.datetime64('2015-07-04T12:00') In[7]: np.datetime64('2015-07-04 12:59:59.50', 'ns') # 手动设置时间单位 Out[7]: numpy.datetime64('2015-07-04T12:59:59.500000000') 期与时间单位格式代码表如下: 代码 含义 时间跨度(相对) 时间跨度(绝对) Y (year) ±9.2e18 [9.2e18 BC, 9.2e18 AD] M 月(month) ±7.6e17 [7.6e17 BC, 7.6e17 AD] W 周(week) ±1.7e17 [1.7e17 BC, 1.7e17 AD] D (day) ±2.5e16 [2.5e16 BC, 2.5e16 AD] h 时(hour) ±1.0e15 [1.0e15 BC, 1.0e15 AD] m 分(minute) ±1.7e13 [1.7e13 BC, 1.7e13 AD] s 秒(second) ±2.9e12 [2.9e9 BC, 2.9e9 AD] ms 毫秒(millisecond) ±2.9e9 [2.9e6 BC, 2.9e6 AD] us 微秒(microsecond) ±2.9e6 [290301 BC, 294241 AD] ns 纳秒(nanosecond) ±292 [1678 AD, 2262 AD] ps 皮秒(picosecond) ±106天 [1969 AD, 1970 AD] fs 飞秒(femtosec
10-18
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值