在python中datedelta使用方法？datetime.timedelta對象代表兩個時間之間的的時間差，兩個date或datetime對象之和時是可以趕往一個timedelta對象。構造函數：

在python中datedelta使用方法？

datetime.timedelta對象代表兩個時間之間的的時間差，兩個date或datetime對象之和時是可以趕往一個timedelta對象。

構造函數：

classdatetime.timedelta([days[,seconds[,microseconds[,milliseconds[,minutes[,hours[,weeks]]]]]]])

所有參數可選，且系統默認也是0，參數的值也可以是整數，浮點數，正數或負數。

內部只讀取days，seconds，microseconds，其他參數的值會手動按不勝感激規則抓裝換：

1millisecond（毫秒）轉換的成1000microseconds（微秒）

1minute轉換的成60seconds

1hour轉換成3600seconds

1week轉換成7days

三個參數的取值范圍三個為：

0microseconds1000000

0seconds3600*24(thenumberthesecondsacrossone day)

-999999999days999999999

如果不是任意參數是float，且小數點后多含microseconds部分，那么microseconds的值為所有參數的微秒部分的總和（保留2位小數）

datetime模塊中包含表示時區信息的什么對象？

datetime模塊是python標準庫中最常用的時間處理庫，絕對無法防范一些很簡單時間相關的操作需求。datetime庫除了date、time、datetime、timedelta、tzinfo和timezone。

如何使用Python腳本分析CPU使用情況的？

怎么跟蹤Python腳本建議使用時CPU建議使用情況，需要重點關注以上幾個方面：

1、cProfile

2、line_profiler

3、pprofile

4、vprof

測量CPU使用率，比較多不使用與內存分析中使用腳本相同的腳本，具體一點追加：

在PyPy2中，你是需要不使用與之對付的pip版本：

cProfile

在繼續討論CPU分析時，應用最廣的工具之一是cProfile，要注意是只不過它內置在CPython2和PyPy2中。這是一個確定性的分析器，意味著在運行程序時會收集一組統計數據，.例如我們代碼的各個部分的執行次數或想執行時間。再者，cProfile在系統上的開銷比其他內置的分析器（配置文件）要低。

line_profiler

此分析器上路子級可以提供關於工作負載的信息。它在用Cython在C中實現方法，并將其與cProfile參與比較時發現到其本身小點的開銷。

源代碼這個可以在這里可以找到，也是可以在這里可以找到PyPI頁面。與cProfile相比，它本身完全不一樣的開銷，但卻要花廢12倍的時間來查看配置文件。

要建議使用它，你必須先是從pip去添加它：virtualenvinstall pip install Cython ipython5.4.1line_profiler（CPython2）。這個分析器的一個主要注意缺點是它不意見PyPy。

pprofile

pprofile是一個“線程測量和統計的純python分析什么器”。

它被line_profiler的啟發，能修復了很多缺點，但而它徹底用Python編寫，所以它也可以不與PyPy成功建議使用。與cProfile相比較，在用CPython時的分析時間要多28倍，而使用PyPy時，分析時間要多8倍，而且細節水平十分細化。

vprof

vprof是一個Python講器，為各種Python程序特性（如正常運行時間和內存在用）需要提供相當豐富的可視化可視化。它是一個基于條件Node.JS的圖形化的沒顯示在網頁中的結果。