datetime.timedelta对象代表两个时间之间的的时间差，两个date或datetime对象之和时是可以赶往一个timedelta对象。
构造函数：
classdatetime.timedelta([days[,seconds[,microseconds[,milliseconds[,minutes[,hours[,weeks]]]]]]])
所有参数可选，且系统默认也是0，参数的值也可以是整数，浮点数，正数或负数。
内部只读取days，seconds，microseconds，其他参数的值会手动按不胜感激规则抓装换：
1millisecond（毫秒）转换的成1000microseconds（微秒）
1minute转换的成60seconds
1hour转换成3600seconds
1week转换成7days
三个参数的取值范围三个为：
0microseconds1000000
0seconds3600*24(thenumberthesecondsacrossoneday)
-999999999days999999999
如果不是任意参数是float，且小数点后多含microseconds部分，那么microseconds的值为所有参数的微秒部分的总和（保留2位小数）
datetime模块是python标准库中最常用的时间处理库，绝对无法防范一些很简单时间相关的操作需求。datetime库除了date、time、datetime、timedelta、tzinfo和timezone。
怎么跟踪python脚本建议使用时cpu建议使用情况，需要重点关注以上几个方面：
1、cprofile
2、line_profiler
3、pprofile
4、vprof
测量cpu使用率，比较多不使用与内存分析中使用脚本相同的脚本，具体一点追加：
在pypy2中，你是需要不使用与之对付的pip版本：
cprofile
在继续讨论cpu分析时，应用最广的工具之一是cprofile，要注意是只不过它内置在cpython2和pypy2中。这是一个确定性的分析器，意味着在运行程序时会收集一组统计数据，.例如我们代码的各个部分的执行次数或想执行时间。再者，cprofile在系统上的开销比其他内置的分析器（配置文件）要低。
line_profiler
此分析器上路子级可以提供关於工作负载的信息。它在用cython在c中实现方法，并将其与cprofile参与比较时发现到其本身小点的开销。
源代码这个可以在这里可以找到，也是可以在这里可以找到pypi页面。与cprofile相比，它本身完全不一样的开销，但却要花废12倍的时间来查看配置文件。
要建议使用它，你必须先是从pip去添加它：virtualenvinstallpipinstallcythonipython5.4.1line_profiler（cpython2）。这个分析器的一个主要注意缺点是它不意见pypy。
pprofile
pprofile是一个“线程测量和统计的纯python分析什么器”。
它被line_profiler的启发，能修复了很多缺点，但而它彻底用python编写，所以它也可以不与pypy成功建议使用。与cprofile相比较，在用cpython时的分析时间要多28倍，而使用pypy时，分析时间要多8倍，而且细节水平十分细化。
vprof
vprof是一个python讲器，为各种python程序特性（如正常运行时间和内存在用）需要提供相当丰富的可视化可视化。它是一个基于条件node.js的图形化的没显示在网页中的结果。
