timedelta 举例

下面是一个使用 timedelta 计算日期差值的例子：

from datetime import datetime, timedelta

# 获取当前时间
now = datetime.now()

# 计算一周之后的时间
one_week_later = now + timedelta(weeks=1)

# 计算两天之前的时间
two_days_ago = now - timedelta(days=2)

# 输出结果
print("当前时间：", now)
print("一周之后的时间：", one_week_later)
print("两天之前的时间：", two_days_ago)

在这个例子中，我们首先使用 `datetime.now()` 获取当前时间，然后使用 `timedelta` 对象计算了一周之后的时间和两天之前的时间。其中，`timedelta(weeks=1)` 表示一周之后的时间，`timedelta(days=2)` 表示两天之前的时间。最后，我们通过 `print()` 函数输出了计算后的时间结果。

需要注意的是，timedelta 对象可以接受多个参数来表示时间差值，包括 `days`、`seconds`、`microseconds`、`milliseconds`、`minutes`、`hours`、`weeks` 等。可以根据具体的需求来选择使用不同的参数。

相关问题

datetime.date类型举例

`datetime.date` 是 Python 的标准库 `datetime` 中的一个类，它用于表示日期。这个类提供了许多方法来处理日期，例如比较两个日期，将日期转换为字符串表示，或从字符串创建日期等。

下面是一个使用 `datetime.date` 类型的例子：

import datetime

# 创建一个日期对象
d = datetime.date(2023, 3, 14) # 2023年3月14日

# 打印日期对象
print(d) # 输出: 2023-03-14

# 获取年份
print(d.year) # 输出: 2023

# 获取月份
print(d.month) # 输出: 3

# 获取日期
print(d.day) # 输出: 14

# 比较两个日期
another_date = datetime.date(2023, 3, 15)
print(d < another_date) # 输出: True，因为2023-03-14 < 2023-03-15

# 日期加减操作
from datetime import timedelta
new_date = d + timedelta(days=1) # 当前日期加一天
print(new_date) # 输出: 2023-03-15

# 将日期转换为字符串
date_str = d.isoformat() # 输出: '2023-03-14'

在这个例子中，我们首先导入了 `datetime` 模块，然后创建了一个 `date` 对象表示 2023 年 3 月 14 日。接着我们展示了如何获取日期的年、月、日信息，如何比较两个日期，以及如何执行日期的加减操作。最后，我们将日期对象转换成了 ISO 格式的字符串。

16、如何设置任务相关性？请举例说明。

设置任务相关性可以通过任务依赖和任务优先级来实现。下面是一个例子：

假设我们有三个任务 A、B 和 C，其中任务 B 依赖于任务 A，而任务 C 依赖于任务 B。此外，我们希望任务 B 比任务 A 优先级高，任务 C 比任务 B 优先级高。

我们可以使用任务调度框架来实现这个需求，例如 Apache Airflow。在 Airflow 中，我们可以定义 DAG（有向无环图）来表示任务之间的依赖关系。具体来说，我们可以定义如下的 DAG：

from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from datetime import datetime, timedelta

default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': datetime(2022, 1, 1),
    'retries': 1,
    'retry_delay': timedelta(minutes=5),
}

dag = DAG(
    'example',
    default_args=default_args,
    description='An example DAG',
    schedule_interval=timedelta(days=1),
)

task_a = BashOperator(
    task_id='task_a',
    bash_command='echo "Task A"',
    dag=dag,
)

task_b = BashOperator(
    task_id='task_b',
    bash_command='echo "Task B"',
    dag=dag,
)

task_c = BashOperator(
    task_id='task_c',
    bash_command='echo "Task C"',
    dag=dag,
)

task_a >> task_b >> task_c

task_b.set_upstream(task_a)
task_c.set_upstream(task_b)

task_a.priority_weight = 5
task_b.priority_weight = 10
task_c.priority_weight = 15

在这个 DAG 中，我们定义了三个任务 task_a、task_b 和 task_c，它们的依赖关系如下：

task_a -> task_b -> task_c

我们还通过设置任务的 `priority_weight` 属性来设置它们的优先级，其中 task_b 的优先级比 task_a 高，而 task_c 的优先级比 task_b 高。这样，在 DAG 运行时，Airflow 会先执行 task_a，然后执行 task_b，最后执行 task_c，同时保证任务之间的依赖关系。