2021-01-01 16:18:19

docs/11.md

@@ -9,7 +9,7 @@
 
 本章主要讲解前 3 种时间序列。许多技术都可用于处理实验型时间序列，其索引可能是一个整数或浮点数（表示从实验开始算起已经过去的时间）。最简单也最常见的时间序列都是用时间戳进行索引的。
 
->提示：pandas 也支持基于 timedeltas 的指数，它可以有效代表实验或经过的时间。这本书不涉及 timedelta 指数，但你可以学习 pandas 的文档（http://pandas.pydata.org/）。
+> 提示：pandas 也支持基于 timedeltas 的指数，它可以有效代表实验或经过的时间。这本书不涉及 timedelta 指数，但你可以学习 pandas 的文档（http://pandas.pydata.org/）。
 
 pandas 提供了许多内置的时间序列处理工具和数据算法。因此，你可以高效处理非常大的时间序列，轻松地进行切片/切块、聚合、对定期/不定期的时间序列进行重采样等。有些工具特别适合金融和经济应用，你当然也可以用它们来分析服务器日志数据。