datetime类型案例
加载丹佛市犯罪记录数据集
显示结果：
显示结果：
查看某一天的报警记录
显示结果：
243 rows × 7 columns
查看某一段时间的犯罪记录
显示结果：
75403 rows × 7 columns
时间段可以包括小时分钟
显示结果：
75175 rows × 7 columns
查询凌晨两点到五点的报警记录
显示结果：
29078 rows × 7 columns
查看发生在某个时刻的犯罪记录
显示结果：
118 rows × 7 columns
在按时间段选取数据时，可以将时间索引排序，排序之后再选取效率更高
显示结果：
显示结果：
计算每周的犯罪数量
-
为了统计每周的犯罪数，需要按周分组
-
resample重采样，可以按照指定时间周期分组
显示结果：
检验分组结果
显示结果：
显示结果：
也可以把周四作为每周的结束
显示结果：
将按周分组结果可视化
显示结果：
分析每季度的犯罪和交通事故数据
显示结果：
所有日期都是该季度的最后一天，使用QS生成每季度的第一天
显示结果：
查看第二季度的数据，检验结果
显示结果：
结果可视化
显示结果：
分析工作日的犯罪情况：可以通过Timestamp的dt属性得到周几，然后统计
显示结果：
显示结果：
小结
-
Pandas中，datetime64用来表示时间序列类型
-
时间序列类型的数据可以作为行索引，对应的数据类型是DatetimeIndex类型
-
datetime64类型可以做差，返回的是Timedelta类型
-
转换成时间序列类型后，可以按照时间的特点对数据进行处理
-
提取日期的各个部分（月，日，星期…)
-
进行日期运算
-
按照日期范围取值