1. 1KB的儲存器有多少儲存單元。儲存單元的編號從多少到多少
1KB的存儲器則它有1024個存儲單元。 1KB代表最小的儲存單元。它的編號為從0-1023。
存儲器被劃分成了若干個存儲單元，每個存儲單元都是從0開始順序編號，如一個存儲器有128個存儲單元，則它的編號就是從0-127。
指針的內容是存儲地址在存儲器中有大量的存儲元，把它們按相同的位劃分為組，組內所有的存儲元同時進行讀出或寫入操作，這樣的一-組存儲元稱為一個存儲單元。一個存儲單元通常可以存放一個位元組；存儲單元是CPU訪問存儲器的基本單位。
(1)從0開始寫時間序列存儲擴展閱讀
存儲地址一般用十六進制數表示，而每一個存儲器地址中又存放著一組二 進制(或十六進制)表示的數，通常稱為該地址的內容。值得注意的是,存儲單元的地址和地址中的內容兩者是不一樣的。
前者是存儲單元的編號，表示存儲器總的一個位置，而後者表示這個位置里存放的數據。正如一個是房間號碼，一個是房間里住的人一樣。
存放一個機器字的存儲單元，通常稱為字存儲單元，相應的單元地址叫字地址。而存放一個位元組的單元，稱為位元組存儲單元，相應的地址稱為位元組地址。如果計算機中可以編址的最小單元是字存儲單元，則該計算機稱為按字定址的計算機。
2. 作為一個存儲元必須滿足哪些條件
存儲單元:多個存儲元的集合
一般應具有存儲數據和讀寫數據的功能，以8位二進製作為一個存儲單元，也就是一個位元組。每個單元有一個地址，是一個整數編碼，可以表示為二進制整數。程序中的變數和主存儲器的存儲單元相對應。變數的名字對應著存儲單元的地址，變數內容對應著單元所存儲的數據。存儲地址一般用十六進制數表示，而每一個存儲器地址中又存放著一組二進制（或十六進制）表示的數，通常稱為該地址的內容。
存儲單位：在存儲器中有大量的存儲元，把它們按相同的位劃分為組，組內所有的存儲元同時進行讀出或寫入操作，這樣的一組存儲元稱為一個存儲單元。一個存儲單元通常可以存放一個位元組；存儲單元是CPU訪問存儲器的基本單位。
存儲單元
在計算機中最小的信息單位是bit，也就是一個二進制位，8個bit組成一個Byte，也就是位元組。一個存儲單元可以存儲一個位元組，也就是8個二進制位。計算機的存儲器容量是以位元組為最小單位來計算的，對於一個有128個存儲單元的存儲器，可以說它的容量為128位元組。如果有一個1KB的存儲器則它有1024個存儲單元，它的編號為從0－1023。存儲器被劃分成了若干個存儲單元，每個存儲單元都是從0開始順序編號，如一個存儲器有128個存儲單元，則它的編號就是從0-127。
存儲地址一般用十六進制數表示，而每一個存儲器地址中又存放著一組二進制（或十六進制）表示的數，通常稱為該地址的內容。值得注意的是，存儲單元的地址和地址中的內容兩者是不一樣的。前者是存儲單元的編號，表示存儲器中的一個位置，而後者表示這個位置里存放的數據。正如一個是房間號碼，一個是房間里住的人一樣。
存放一個機器字的存儲單元，通常稱為字存儲單元，相應的單元地址叫字地址。而存放一個位元組的單元，稱為位元組存儲單元，相應的地址稱為位元組地址。如果計算機中可以編址的最小單元是字存儲單元，則該計算機稱為按字定址的計算機。如果計算機中可編址的最小單位是位元組，則該計算機稱為按位元組定址的計算機。如果機器字長等於存儲器單元的位數，一個機器字可以包含數個位元組，所以一個存儲單元也可以包含數個能夠單獨編址的位元組地址。例如一個16位二進制的字存儲單元可存放兩個位元組，可以按字地址定址，也可以按位元組地址定址。當用位元組地址定址時，16位的存儲單元占兩個位元組地址
3. 時間序列數據處理基礎
時間序列是指將某種現象某一個統計指標在不同時間上的各個數值，按時間先後順序排列而形成的序列。時間序列法是一種 定量預測 方法，亦稱簡單外延方法。在統計學中作為一種常用的預測手段被廣泛應用。 時間序列分析 在第二次世界大戰前應用於經濟預測。二次大戰中和戰後，在軍事科學、 空間科學 、氣象預報和工業自動化等部門的應用更加廣泛。 時間序列分析 (Time series analysis)是一種動態數據處理的 統計方法 。該方法基於隨機過程理論和數理統計學方法，研究隨機數據序列所遵從的 統計規律 ，以用於解決實際問題。- 360網路
隨著移動互聯和物聯網等的發展，現在很多領域也都會有時間序列數據需要進行處理，除了金融、農業、經濟學、生態學、物理學等，還有現在很多地方常見的數據形式，數據點是根據某種規律定期出現（比如每15秒，每5分鍾、每月出現一次）。
構成要素:長期趨勢，季節變動，循環變動，兄肢不規則變動
長期趨勢( T )現象在較長時期內受某種根本性因素作用而形成的總的變動趨勢，例如股票的價格有的會看幾年內的發展，需要考慮整體大的經濟環境，行業，已野弊經公司等的發展。
季節變動( S )現象在一年內隨著季節的變化而發生的有規律的周期性變動，比如股票會受短期的疫情，天氣，人員行業變動等等內外部因素影響，在某些時段出現波動。
循環變動( C )現象以若干年為周期所呈現出的波浪起伏形態的有規律的變動，比如羨脊世歲冷熱季節漲跌的變化，旅遊的熱季淡季等。
不規則變動(I )是一種無規律可循的變動，包括嚴格的隨機變動和不規則的突發性影響很大的變動兩種類型
根據不同使用場景，一般分為幾種
datetime.datetime(2020, 4, 28, 9, 45, 2, 474920)
看當前時間的各個值
2020 4 28 9 45 2
時間類型可以直接相減，得到間隔
結果是間隔類型
datetime.timedelta(days=218, seconds=53100)
218
同樣的，可以給 datetime 對象加上（或減去）一個或多個 timedelta，這樣會產生一個新對象：
datetime.datetime(2014, 6, 17, 0, 0)
datetime 模塊中的數據類型：
'2015-09-09 00-00-00'
'2015-09-09'
datetime.datetime(2015, 9, 9, 0, 0)
[datetime.datetime(2015, 7, 6, 0, 0), datetime.datetime(2015, 6, 2, 0, 0)]
datetime.strptime 是通過已知格式進行日期解析的最佳方式。但是每次都要編寫格式定義是很麻煩的事情，尤其是對於一些常見的日期格式。這種情況下，你可以用 deteutil 這個第三方包中的 parser.parse 方法：
datetime.datetime(2015, 8, 9, 0, 0)
dateutil 可以解析幾乎所有人類能夠理解的日期表示形式]: i ,不過可惜中文不行
datetime.datetime(1993, 1, 31, 22, 10)
國際通用的格式中，日通常出現在月的前面
傳入 dayfirst=True 即可解決這個問題
datetime.datetime(1993, 1, 31, 22, 10)
pandas 通常是用於處理成組日期的，不管這些日期是 DataFrame 的軸索引還是列。to_datetime 方法可以解析多種不同的日期表示形式。對標准日期格式（如 ISO8601）的解析非常快
它還可以處理缺失值（None、空字元串等）
NaT(Not a Time) 是 pandas 中的時間戳數據的 NA 值
datetime 格式定義：
有了時間數據對象基礎，一系列的時間和指標就可以組成時間序列，可以用series對象存儲處理，日期可以變成索引列
這些 datetime 對象實際是被放在一個 DatetimeIndex 中
現在 ts 就變成為一個 TimeSeries 了
不同索引的時間序列之間的算術運算會自動按日期對齊
只要需要，TimeStamp 可以隨時自動轉換為 datatime 對象。此外，它還可以存儲頻率信息（如果有的話），且知道如何執行時區轉換以及其他操作。
由於 TimeSeries 是 Series 的一個子類，所以在索引以及數據選取方面他們的行為是一樣的
由於大部分時間序列數據都是按照時間先後排序的
因此我們可以用不存在於時間序列中的時間戳進行切片
跟之前一樣，這里可以傳入字元串日期、datetime 或 Timestamp。此外還有一個等價的實例方法也可以截取兩個日期之間的 TimeSeries：
在某些應用場景中，可能會存在多個觀測數據落在同一個時間點上的情況
通過檢查索引的 is_unique 屬性，我們可以知道它是不是唯一的
對這個時間序列進行索引，要麼產生標量值，要麼產生切片
具體要看所選的時間點是否重復
假設我們想要對具體非唯一時間戳的數據進行聚合。一個辦法是使用 groupby，並傳入 level=0（索引的唯一一層）：