Pandas中时间和日期处理_技术栈
请填写正确的邮箱格式
还没有账号?
已经有账号?
1158 人阅读
1、生成一个时间段In [1]:import pandas as pdIn [2]:import numpy as np1)生成一个时间区间段,间隔为小时In [3]:rng = pd.date_range('1/1/2011', periods=72, freq='H')2)生成一个Series,并制定索引为时间段In [4]:ts = pd.Series(np.random.randn(len(rng)), index=rng)In [5]:tsOut[5]:
00:00:00 -0.204085 01:00:00 1.101711 02:00:00 1.840500 03:00:00 0.112426 04:00:00 -0.310413 05:00:00 1.180762 06:00:00 0.087775 07:00:00 1.087877 08:00:00 -0.950237 09:00:00 -0.468453Freq: H, dtype: float643)改变时间间隔In [6]:converted = ts.asfreq('45Min', method='pad')In [7]:convertedOut[7]:
00:00:00 -0.204085 00:45:00 -0.204085 01:30:00 1.101711 02:15:00 1.840500 03:00:00 0.112426 03:45:00 0.112426 04:30:00 -0.310413 05:15:00 1.180762 06:00:00 0.087775 06:45:00 0.087775 07:30:00 1.087877 08:15:00 -0.950237 09:00:00 -0.468453Freq: 45T, dtype: float642、转换为日期格式2.1 数字生成日期格式In [8]: pd.Timestamp(datetime())Out[8]: Timestamp(' 00:00:00')2.2 字符生成日期格式In [9]: pd.Timestamp('')Out[9]: Timestamp(' 00:00:00')2.3 只有年月In [10]: pd.Period('2011-01')Out[10]: Period('2011-01', 'M')In [11]: pd.Period('2012-05', freq='D')Out[11]: Period('', 'D')2.4 转化为日期格式In [22]: pd.to_datetime(pd.Series(['Jul 31, 2009', '', None]))Out[22]: 0 1 2 NaTdtype: datetime64[ns]In [23]: pd.to_datetime(['', ''])Out[23]: DatetimeIndex(['', ''], dtype='datetime64[ns]', freq=None)3、生成一个时间段3.1 生成索引的方法In [35]: dates = [datetime(), datetime(), datetime()]Note the frequency informationIn [36]: index = pd.DatetimeIndex(dates)In [37]: indexOut[37]: DatetimeIndex(['', '', ''], dtype='datetime64[ns]', freq=None)Automatically converted to DatetimeIndexIn [38]: index = pd.Index(dates)In [39]: indexOut[39]: DatetimeIndex(['', '', ''], dtype='datetime64[ns]', freq=None)date_range日历,bdate_range工作日In [40]: index = pd.date_range('', periods=1000, freq='M')In [41]: indexOut[41]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
dtype='datetime64[ns]', length=1000, freq='M')
In [42]: index = pd.bdate_range('', periods=250)In [43]: indexOut[43]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
dtype='datetime64[ns]', length=250, freq='B')
In [44]: start = datetime()In [45]: end = datetime()In [46]: rng = pd.date_range(start, end)In [47]: rngOut[47]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
dtype='datetime64[ns]', length=366, freq='D')
In [48]: rng = pd.bdate_range(start, end)In [49]: rngOut[49]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
dtype='datetime64[ns]', length=260, freq='B')
3.2 每个月末,每隔一周In [50]: pd.date_range(start, end, freq='BM')Out[50]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', ''],
dtype='datetime64[ns]', freq='BM')
In [51]: pd.date_range(start, end, freq='W')Out[51]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
dtype='datetime64[ns]', freq='W-SUN')3.3 从End往前数20个工作日,从start往后数20个工作日In [52]: pd.bdate_range(end=end, periods=20)Out[52]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', ''],
dtype='datetime64[ns]', freq='B')
In [53]: pd.bdate_range(start=start, periods=20)Out[53]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', '',
'', '', '', ''],
dtype='datetime64[ns]', freq='B')4、根据部分索引选择,切片In [56]: rng = pd.date_range(start, end, freq='BM')In [57]: ts = pd.Series(np.random.randn(len(rng)), index=rng)In [58]: ts.indexOut[58]: DatetimeIndex(['', '', '', '',
'', '', '', '',
'', '', '', ''],
dtype='datetime64[ns]', freq='BM')
In [59]: ts[:5].indexOut[59]: DatetimeIndex(['', '', '', '',
dtype='datetime64[ns]', freq='BM')
In [60]: ts[::2].indexOut[60]: DatetimeIndex(['', '', '', '',
dtype='datetime64[ns]', freq='2BM')
In [61]: ts['1/31/2011']Out[61]: -1.9531In [62]: ts[pd.datetime():]Out[62]:
0.687738Freq: BM, dtype: float64In [63]: ts['10/31/2011':'12/31/2011']Out[63]:
0.149748 -0.732339 0.687738Freq: BM, dtype: float64In [64]: ts['2011']Out[64]:
-1.281247 -0.727707 -0.121306 -0.097883 0.695775 0.341734 0.959726 -1.110336 -0.619976 0.149748 -0.732339 0.687738Freq: BM, dtype: float64In [65]: ts['2011-6']Out[65]:
0.341734Freq: BM, dtype: float64DataFrame中指定了时间索引,可以根据时间索引提取子集In [66]: dft = pd.DataFrame(np.random.randn(),columns=['A'],index=pd.date_range('',periods=100000,freq='T'))In [67]: dftOut[67]:
A 00:00:00 0.176444 00:01:00 0.403310 00:02:00 -0.154951 00:03:00 0.301624 00:04:00 -2.179861 00:05:00 -1.369849 00:06:00 -0.954208... ... 10:33:00 -0.293083 10:34:00 -0.059881 10:35:00 1.252450 10:36:00 0.046611 10:37:00 0.059478 10:38:00 -0.286539 10:39:00 0.841669[100000 rows x 1 columns]In [68]: dft['2013']Out[68]:
A 00:00:00 0.176444 00:01:00 0.403310 00:02:00 -0.154951 00:03:00 0.301624 00:04:00 -2.179861 00:05:00 -1.369849 00:06:00 -0.954208... ... 10:33:00 -0.293083 10:34:00 -0.059881 10:35:00 1.252450 10:36:00 0.046611 10:37:00 0.059478 10:38:00 -0.286539 10:39:00 0.841669[100000 rows x 1 columns]In [69]: dft['2013-1':'2013-2']Out[69]:
A 00:00:00 0.176444 00:01:00 0.403310 00:02:00 -0.154951 00:03:00 0.301624 00:04:00 -2.179861 00:05:00 -1.369849 00:06:00 -0.954208... ... 23:53:00 0.103114 23:54:00 -1.303422 23:55:00 0.451943 23:56:00 0.220534 23:57:00 -1.624220 23:58:00 0.093915 23:59:00 -1.087454[84960 rows x 1 columns]In [70]: dft['2013-1':'']Out[70]:
A 00:00:00 0.176444 00:01:00 0.403310 00:02:00 -0.154951 00:03:00 0.301624 00:04:00 -2.179861 00:05:00 -1.369849 00:06:00 -0.954208... ... 23:53:00 0.103114 23:54:00 -1.303422 23:55:00 0.451943 23:56:00 0.220534 23:57:00 -1.624220 23:58:00 0.093915 23:59:00 -1.087454[84960 rows x 1 columns]In [71]: dft['2013-1':' 00:00:00']Out[71]:
A 00:00:00 0.176444 00:01:00 0.403310 00:02:00 -0.154951 00:03:00 0.301624 00:04:00 -2.179861 00:05:00 -1.369849 00:06:00 -0.954208... ... 23:54:00 0.897051 23:55:00 -0.309230 23:56:00 1.944713 23:57:00 0.369265 23:58:00 0.053071 23:59:00 -0.019734 00:00:00 1.388189[83521 rows x 1 columns]In [72]: dft['':' 12:30:00']Out[72]:
A 00:00:00 0.501288 00:01:00 -0.605198 00:02:00 0.215146 00:03:00 0.924732 00:04:00 -2.228519 00:05:00 1.517331 00:06:00 -1.188774... ... 12:24:00 1.358314 12:25:00 -0.737727 12:26:00 1.838323 12:27:00 -0.774090 12:28:00 0.622261 12:29:00 -0.631649 12:30:00 0.193284[751 rows x 1 columns]In [73]: dft.loc[' 12:30:00']Out[73]: A 0.193284Name:
12:30:00, dtype: float645、常用时间类别 解释year 年month 月day 日hour 时minute 分钟second 秒microsecond 微秒nanosecond 纳秒date 返回日期time 返回时间dayofyear 年序日weekofyear 年序周week 周dayofweek 周中的第几天,Monday=0, Sunday=6weekday 周中的第几天,Monday=0, Sunday=6weekday_name 周中的星期几,ex: Fridayquarter 季度days_in_month 一个月中有多少天is_month_start 是否月初第一天is_month_end 是否月末最后一天is_quarter_start 是否季度的最开始is_quarter_end 是否季度的最后一个is_year_start 是否年初第一天is_year_end 是否年末第一天6、某一时间点,往前往后加一段时间类别 解释BDay 工作日CDay 自定义日期Week 周WeekOfMonth 月中的第几周LastWeekOfMonth 月中的最后一周MonthEnd 日历上月末MonthBegin 日历上月初BMonthEnd 工作月初BMonthBegin 月开始营业CBMonthEnd 自定义月末CBMonthBegin 自定义月初QuarterEnd 日历季末QuarterBegin 日历季初BQuarterEnd 工作季末BQuarterBegin 工作季初FY5253Quarter retail (aka 52-53 week) quarterYearEnd 日历年末YearBegin 日历年初BYearEnd 工作年末BYearBegin 工作年初FY5253 retail (aka 52-53 week) yearBusinessHour 工作小时CustomBusinessHour 自定义小时Hour 小时Minute 分钟Second 秒In [84]: d = pd.datetime(, 9, 0)In [86]: from pandas.tseries.offsets import *In [87]: d + DateOffset(months=4, days=5)Out[87]: Timestamp(' 09:00:00')In [88]: d - 5 * BDay()Out[88]: Timestamp(' 09:00:00')月末In [89]: d + BMonthEnd()Out[89]: Timestamp(' 09:00:00')In [90]: dOut[90]: datetime.datetime(, 9, 0)往前数月末In [91]: offset = BMonthEnd()In [92]: offset.rollforward(d)Out[92]: Timestamp(' 09:00:00')往后数月末In [93]: offset.rollback(d)Out[93]: Timestamp(' 09:00:00')时间方面的In [94]: day = Day()In [95]: day.apply(pd.Timestamp(' 09:00'))Out[95]: Timestamp(' 09:00:00')In [96]: day = Day(normalize=True)In [97]: day.apply(pd.Timestamp(' 09:00'))Out[97]: Timestamp(' 00:00:00')In [98]: hour = Hour()In [99]: hour.apply(pd.Timestamp(' 22:00'))Out[99]: Timestamp(' 23:00:00')In [100]: hour = Hour(normalize=True)In [101]: hour.apply(pd.Timestamp(' 22:00'))Out[101]: Timestamp(' 00:00:00')In [102]: hour.apply(pd.Timestamp(' 23:00'))Out[102]: Timestamp(' 00:00:00')周相关的In [103]: dOut[103]: datetime.datetime(, 9, 0)In [104]: d + Week()Out[104]: Timestamp(' 09:00:00')In [105]: d + Week(weekday=4)Out[105]: Timestamp(' 09:00:00')In [106]: (d + Week(weekday=4)).weekday()Out[106]: 4In [107]: d - Week()Out[107]: Timestamp(' 09:00:00')7、时间序列相关的时间处理In [213]: ts = ts[:5]In [214]: ts.shift(1)Out[214]:
NaN -1.281247 -0.727707 -0.121306 -0.097883Freq: BM, dtype: float64In [215]: ts.shift(5, freq=datetools.bday)Out[215]:
-1.281247 -0.727707 -0.121306 -0.097883 0.695775dtype: float64In [216]: ts.shift(5, freq='BM')Out[216]:
-1.281247 -0.727707 -0.121306 -0.097883 0.695775Freq: BM, dtype: float64In [217]: ts.tshift(5, freq='D')Out[217]:
-1.281247 -0.727707 -0.121306 -0.097883 0.695775dtype: float64中年油腻男人的转型之路
[Navicat]Navicat使用的一个注意事项2---start_time的时间自动更新问题.
在手动编写张老师的秒杀系统时, 发现在每次减库存的时候, seckill表格的start_time都会自动更新到当前时间.而我的sql语句并没有自动更新start_time的设置, sql如下:seckill表设计CREATE TABLE seckill(
`seckill_id` BIGINT NOT NUll AUTO_INCREMENT COMMENT '商品库存ID',
`name` VARCHAR(120) NOT NULL COMMENT '商品名称',
`number` int NOT NULL COMMENT '库存数量',
`start_time` TIMESTAMP
NOT NULL COMMENT '秒杀开始时间',
`end_time`
NOT NULL COMMENT '秒杀结束时间',
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
PRIMARY KEY (seckill_id),
key idx_start_time(start_time),
key idx_end_time(end_time),
key idx_create_time(create_time))ENGINE=INNODB AUTO_INCREMENT=1000 DEFAULT CHARSET=utf8 COMMENT='秒杀库存表';最后发现是navicat自动帮助设置的, 如下.如果不需要自动更新, 请将"根据当前时间戳自动更新"去掉.
mysql更新记录时设置自动更新时间戳
Navicat 连接数据库老是自动断开连接解决方法
naviCat执行sql文件不成功(欢迎补充)
Navicat for MySQL 设置定时任务(事件)
Navicat for MySQL 设置定时任务 / 实现自动处理
Navicat for MySQL触发器更新和插入操作
mysql默认连接超时问题的解决方法
navicat如何让datetime类型自动获取当前时间
MySQL中timestamp(时间戳)自动更新详解
没有更多推荐了,declare @start datetime是写在函数中吗
[问题点数:50分,结帖人anya]
本版专家分:0
结帖率 99.68%
CSDN今日推荐
本版专家分:97841
2011年 总版技术专家分年内排行榜第十
2011年8月 总版技术专家分月排行榜第二2011年7月 总版技术专家分月排行榜第二
2012年7月 荣获微软MVP称号
2011年8月 MS-SQL Server大版内专家分月排行榜第一2011年7月 MS-SQL Server大版内专家分月排行榜第一
本版专家分:0
本版专家分:1667
本版专家分:87666
2012年1月 总版技术专家分月排行榜第二
2014年7月荣获微软MVP称号2013年7月 荣获微软MVP称号2012年7月 荣获微软MVP称号2011年7月 荣获微软MVP称号
2012年2月 总版技术专家分月排行榜第三
2012年11月 社区支持大版内专家分月排行榜第一2012年2月 MS-SQL Server大版内专家分月排行榜第一2012年1月 MS-SQL Server大版内专家分月排行榜第一2011年5月 挨踢职涯大版内专家分月排行榜第一2009年6月 企业开发大版内专家分月排行榜第一2009年4月 企业开发大版内专家分月排行榜第一
本版专家分:97841
2011年 总版技术专家分年内排行榜第十
2011年8月 总版技术专家分月排行榜第二2011年7月 总版技术专家分月排行榜第二
2012年7月 荣获微软MVP称号
2011年8月 MS-SQL Server大版内专家分月排行榜第一2011年7月 MS-SQL Server大版内专家分月排行榜第一
本版专家分:0
本版专家分:97841
2011年 总版技术专家分年内排行榜第十
2011年8月 总版技术专家分月排行榜第二2011年7月 总版技术专家分月排行榜第二
2012年7月 荣获微软MVP称号
2011年8月 MS-SQL Server大版内专家分月排行榜第一2011年7月 MS-SQL Server大版内专家分月排行榜第一
本版专家分:62139
2012年 总版技术专家分年内排行榜第九
2014年4月 荣获微软MVP称号2013年4月 荣获微软MVP称号
2012年7月 MS-SQL Server大版内专家分月排行榜第一2012年6月 MS-SQL Server大版内专家分月排行榜第一2012年5月 MS-SQL Server大版内专家分月排行榜第一2012年4月 MS-SQL Server大版内专家分月排行榜第一
2012年12月 MS-SQL Server大版内专家分月排行榜第二2012年3月 MS-SQL Server大版内专家分月排行榜第二
本版专家分:0
本版专家分:0
本版专家分:0
匿名用户不能发表回复!|
其他相关推荐
一、wait(), notify(), notifyAll()等方法介绍
1.wait()的作用是让当前线程进入等待状态,同时,wait()也会让当前线程释放它所持有的锁。“直到其他线程调用此对象的 notify() 方法或 notifyAll() 方法”,当前线程被唤醒(进入“就绪状态”)
2.notify()和notifyAll()的作用,则是唤醒当前对象上的等待线程;notify()是唤
在使用PHP的PCNTL拓展时,发现在信号捕捉的例程中出现了declare(ticks=1)这条php语句,于是对其进行研究。一. 语句在php中的意义php中,declare(ticks=n)和register_tick_function(‘handel_function’)一般是配合使用的,其作用是在zend解释器每执行 N 条可计时的低级语句就会发生的事件,该事件发生后就可以处理已经注册的函数
start: 作为汇编程序的一个标号,定义了程序的入口,既程序从start:处开始执行。
若程序的第一条指令就是程序的入口,则start可以缺省。
start 使用结构如下:
-----------------------------------------
\\定义程序的入口
end start \\定义程序段结束
------------
inline是加在实现上,就算加在声明上,编译器也会忽略掉。内联展开是在编译时进行的,只有链接的时候源文件之间才有关系。所以内联要想跨源文件必须把实现写在头文件里。如果一个inline函数会在多个源文件中被用到,那么必须把它定义在头文件中。
注意:将函数的定义({…}之间的部分)放在头文件中是强制的,除非该函数仅仅被单个 .cpp 文件使用。尤其是,如果你将内联函数的定义放在 .cpp 文件
Oracle中日期时间的处理有时候是非常让人头疼的一件事。下面呢,我将我总结的一些日期时间函数的用法写下来,以作化输出为输入之用。
先来了解些基本概念:
日期时间函数:用于处理DATE和TIMESTAMP类型的数据,除了函数MONRHS_BETWEEN返回数字值外,其他日期函数均返回DATE类型的数据。
数字格式:Oracle是以7位数字格式来存放日期数据的,包括世纪、年、月、日、小时、
sleep([float time]) 延迟一段以浮点数表示的秒数
time包基于C语言的库函数(library functions)。
Python的解释器通常是用C编写的,Python的一些函数也会直接调用C语言的库函数。
time.time()获得当前时间,返回float型, 单位:秒
time.clock()在UNIX系统上,它返回的是“进程时间”
最近学习了一点点QThread,以下是一点点笔记:
问题: 如何通过QThread后台执行一些计算工作,而保持程序主界面的活动呢??
其中最简单的方法就是重定义QThread的虚函数run(),将要做的工作放进这个函数
那我想问,子类化QThread后的类的普通
function profile() {
printf(&Now tmp is %d.n&,$tmp);
//注册tick方法
register_tick_function(&profile&);
//设定每执行几条语句执行已注册的方法这里设置了3条/每次
declare(ticks=3) {
$tmp = 1;//一条简单语句
$tmp = 2;//一条简单
MySQL那些与日期和时间相关的函数
it168网站原创 作者:姜承尧 编辑:王玉圆 评论:0条
【IT168 技术】日期函数可能是比较常使用的一种函数。下面介绍一些最为常用的日期函数及一些容易忽略的问题。
1. NOW、CURRENT_TIMESTAMP和SYSDATE
这些函数都能返回当前的系统时间,它们之间有区别吗?先来看个例子。
Python提供了多个内置模块用于操作日期时间,像calendar,time,datetime。time模块我在之前的文章已经有所介绍,它提供 的接口与C标准库time.h基本一致。相比于time模块,datetime模块的接口则更直观、更容易调用。今天就来讲讲datetime模块。
datetime模块定义了两个常量:datetime.MINYEAR和datetime.MAXYEA百度安卓的定位功能,问题是设置间隔时间之后,开启定位,但是只返回第一次定位时间和坐标。stop和start后,才更新时间和坐标
【巡抚】精通所有编程语言的拼写百度安卓的定位功能,问题是设置间隔时间之后,开启定位,但是只返回第一次定位时间和坐标。stop和start后,才更新时间和坐标【管理员】0℃~的温情@梦想与她。&写的有问题【巡抚】精通所有编程语言的拼写?都是按照百度开发文档写的copy的你说有问题?【管理员】0℃~的温情属性是哪个类的属性membervo的属性吧【巡抚】精通所有编程语言的拼写no【管理员】0℃~的温情那你写类型membervo【巡抚】精通所有编程语言的拼写不是直接注册一个bdlocation类吗&&&然后获取他的location相关属性就行了【管理员】0℃~的温情看不懂【巡抚】精通所有编程语言的拼写你确定你写过安卓版的百度地图定位?【管理员】0℃~的温情没写过但可以看报错是什么原因【巡抚】精通所有编程语言的拼写没有报错啊&&就是每次获取的信息是一样的【管理员】0℃~的温情在业务处理层打断点看每次得到什么先找出时那一层的问题【巡抚】精通所有编程语言的拼写每次获取的都一样&&试过了他的那个方法是百度封装好了的直接就用那个参数就行了&&但是参数内容一直没变【管理员】0℃~的温情哪就不知道可以看方法源码如果有【巡抚】精通所有编程语言的拼写我看网上别人也有这个错&&但是解决方法也没给http://bbs.lbsyun.baidu.com/forum.php?mod=viewthread&tid=92176&typeid=64&qq-pf-to=pcqq.c2c
------分隔线----------------------------
赞助商链接
赞助商链接当前位置:
&关于DS-2019有效期问题,确实规定前后30内入境吗?
关于DS-2019有效期问题,确实规定前后30内入境吗?
作者 maomaoyc
rt,是个老生常谈的问题,答案基本上是说表上项目开始时间前后30天内才能入境,否则需要换表。我最近也碰到了这个问题,J1签证,2019表项目开始时间是日,由于个人原因无法在12月1日前到达美国,最近前后三次联系小米要求更新DS-2019表,结果被告知“You do not need to update the form. ”,
& && && &进一步查询网站,发现 “How long before my J-1 program starts can I arrive in the United States? How long can I remain after my program ends?
You may not arrive more than 30 days before the program start date shown on your DS-2019.&&Upon completion of your exchange program, you have a grace period of 30 days to depart the United States.” 上面只是提到不能早于项目开始日期前30天,并没有说超过开始日期30天后不能入境,网上常说的“后30天”会不会是指项目结束后的30天宽限期?
& && && &邮件咨询美国驻华大使馆得到同样的答复“交流访问学者只能在DS-2019表上注明的项目起始日期前30天内入境”
& && &&&不过还是有点担心,万一入境的时候因为这个问题受阻。毕竟网上好多人都这么说,有的说是外导和小米明确告知的是前后30天,其中必有一定道理,还希望,明白人指点一下,出去一趟不容易。
大家都说前后30天,求正解。
我以前也被学校告知必须前后30天之内,否则需要换表格。
这个是项目开始首次入境,以后回国探亲再入境就不受这个限制。
引用回帖:: Originally posted by Su47 at
这个是项目开始首次入境,以后回国探亲再入境就不受这个限制。 我是首次入境呀
引用回帖:: Originally posted by Su47 at
我以前也被学校告知必须前后30天之内,否则需要换表格。 学校当时明确告知是前后30天吗?是通过什么形式告知的,
How long before my J-1 program starts can I arrive in the United States?
你自己看这个问题,用的是before这个词,问的是在J-1开始之前多长时间能到达美国,答案当然是30天了,也就是说你最早可以比2019表规定的时间提前30天到达美国。你可以用after问这个问题看看,应该也是30天。所以应该是前后30天都是有效的。
In case of a delay and you are unable to enter the U.S. within 30 days of the initial start date of your program, as indicated on the DS-2019, you MUST notify us immediately so that we can update your DS-2019 for a later entry date. Failure to do so may cause your status to become INVALID and you may not be allowed to enter the country.
这说的很清楚,就是再晚不能超过1个月。
24小时热帖
下载小木虫APP
与700万科研达人随时交流