hyb
2026-01-09 4cb426cb3ae31e772a09d4ade5b2f0242aaeefa0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
Ë
nñúhƓãó—ddlmZddlmZddlZddlmZmZddlZ    ddl
m Z m Z ddl mZmZmZmZmZmZmZmZmZddlmZddlmZmZdd    lmZmZmZm Z m!Z!dd
l"m#Z$dd l%m&Z&dd l'm(Z(m)Z)m*Z*m+Z+m,Z,m-Z-m.Z.dd l/m0Z0ddl1m2Z2ddl3m4Z4m5Z5ddl6m7Z7ddl8m9Z:ddl;m<Z<ddl=m>cm?Z@ddlAmBZBerddlCmDZDddlEmFZFmGZGmHZHmIZImJZJmKZKddlLmMZMddlNZNdd„ZOGd„de:j «ZQ            d                    d d„ZRd!d"d„ZSd#d$d„ZTd%d„ZUy)&é)Ú annotations)Ú    timedeltaN)Ú TYPE_CHECKINGÚcast)ÚlibÚtslibs)    ÚNaTÚNaTTypeÚTickÚ    TimedeltaÚastype_overflowsafeÚget_supported_dtypeÚiNaTÚis_supported_dtypeÚperiods_per_second)Úcast_from_unit_vectorized)Úget_timedelta_daysÚget_timedelta_field)Úarray_to_timedelta64Úfloordiv_object_arrayÚints_to_pytimedeltaÚparse_timedelta_unitÚtruediv_object_array)Úfunction)Úvalidate_endpoints)Ú TD64NS_DTYPEÚis_float_dtypeÚis_integer_dtypeÚis_object_dtypeÚ    is_scalarÚis_string_dtypeÚ pandas_dtype)ÚExtensionDtype)Úisna)ÚnanopsÚ    roperator)Údatetimelike_accumulations)Ú datetimelike)Úgenerate_regular_range)Úunpack_zerodim_and_defer)ÚIterator)ÚAxisIntÚDateTimeErrorChoicesÚDtypeObjÚNpDtypeÚSelfÚnpt©Ú    DataFramecóJ‡—dˆfd„ }||_d|›d|_t|«S)Ncóʕ—|j}‰dk(rt||j¬«}nt|‰|j¬«}|jr|j |dd¬«}|S)NÚdays©ÚresoÚfloat64)Ú
fill_valueÚconvert)Úasi8rÚ_cresorÚ_hasnaÚ_maybe_mask_results)ÚselfÚvaluesÚresultÚaliass   €úPH:\Change_password\venv_build\Lib\site-packages\pandas/core/arrays/timedeltas.pyÚfz_field_accessor.<locals>.fRsaø€Ø—‘ˆØ FŠ?Ü'¨°T·[±[ÔA‰Fô
)¨°¸T¿[¹[ÔIˆFØ ;Š;Ø×-Ñ-Ø 4°ð.óˆFðˆ óú
)Úreturnz
np.ndarray)Ú__name__Ú__doc__Úproperty)ÚnamerCÚ    docstringrEs `  rDÚ_field_accessorrNQs+ø€õð €A„JؐYK˜rÐ"€A„IÜ A‹;ÐrFc󬇗eZdZUdZdZej dd«Zeej e    fZ
d„Z dZ e dUd„«ZdZgZd    ed
<gZd    ed <d gZd    ed <gd¢Zd    ed<eezezdgzZd    ed<gd¢Zd    ed<dVd„Ze dWd„«ZdZeZed„«Zedef                            dXˆfd„ «ZedddœdYd„«Zedde jBddœ            dYd„«Z"e    dZddœ            d[d„«Z#d\d „Z$d]d!„Z%d^d"„Z&d_d`d$„Z'dad%„Z(dddddd#d&d'œ                                    dbd(„Z)dddd)dd#d*œ                                    dcd+„Z*d#d,œddˆfd-„Z+dedfd.„Z,ddd/œ            dgd0„Z-d1„Z.e/d2«dhd3„«Z0e0Z1d4„Z2d5„Z3did6„Z4e/d7«d8„«Z5e/d9«d:„«Z6e/d;«d<„«Z7e/d=«d>„«Z8e/d?«d@„«Z9e/dA«dB„«Z:e/dC«dD„«Z;e/dE«dF„«Z<djdG„Z=djdH„Z>djdI„Z?dkdJ„Z@dldK„ZAeBj†dL«ZDeEdMdMeD«ZFeBj†dN«ZGeEdOdOeG«ZHeBj†dP«ZIeEdQdQeI«ZJeBj†dR«ZKeEdSdSeK«ZLe dmdT„«ZMˆxZNS)nÚTimedeltaArrayal
    Pandas ExtensionArray for timedelta data.
 
    .. warning::
 
       TimedeltaArray is currently experimental, and its API may change
       without warning. In particular, :attr:`TimedeltaArray.dtype` is
       expected to change to be an instance of an ``ExtensionDtype``
       subclass.
 
    Parameters
    ----------
    values : array-like
        The timedelta data.
 
    dtype : numpy.dtype
        Currently, only ``numpy.dtype("timedelta64[ns]")`` is accepted.
    freq : Offset, optional
    copy : bool, default False
        Whether to copy the underlying array of data.
 
    Attributes
    ----------
    None
 
    Methods
    -------
    None
 
    Examples
    --------
    >>> pd.arrays.TimedeltaArray._from_sequence(pd.TimedeltaIndex(['1h', '2h']))
    <TimedeltaArray>
    ['0 days 01:00:00', '0 days 02:00:00']
    Length: 2, dtype: timedelta64[ns]
    Útimedeltaarrayr    Únscó.—tj|d«S©NÚm)rÚ is_np_dtype©Úxs rDú<lambda>zTimedeltaArray.<lambda>s€¤S§_¡_°Q¸Ó%<€rF)rÚ timedelta64có—tS©N©r ©r@s rDÚ _scalar_typezTimedeltaArray._scalar_type“s€äÐrFièz    list[str]Ú
_other_opsÚ    _bool_opsÚfreqÚ _object_ops)r6ÚsecondsÚ microsecondsÚ nanosecondsÚ
_field_opsÚunitÚ_datetimelike_ops)Úto_pytimedeltaÚ total_secondsÚroundÚfloorÚceilÚas_unitÚ_datetimelike_methodscó˜—|jd«}|tjk(rtStj||j
¬«S)NÚi8r7)Úviewr    Ú_valuer Ú_from_value_and_resor=)r@rXÚys   rDÚ    _box_funczTimedeltaArray._box_funcªs6€Ø F‰F4‹LˆØ ”—
‘
Š?܈JÜ×-Ñ-¨a°d·k±kÔBÐBrFcó.—|jjS)a3
        The dtype for the TimedeltaArray.
 
        .. warning::
 
           A future version of pandas will change dtype to be an instance
           of a :class:`pandas.api.extensions.ExtensionDtype` subclass,
           not a ``numpy.dtype``.
 
        Returns
        -------
        numpy.dtype
        )Ú_ndarrayÚdtyper^s rDrzzTimedeltaArray.dtype°s€ð"}‰}×"Ñ"Ð"rFNcóz—t|«}t|j«||jk7r td«‚|S)Nz'Values resolution does not match dtype.)Ú_validate_td64_dtyperzÚ
ValueError)ÚclsrArzs   rDÚ_validate_dtypezTimedeltaArray._validate_dtypeÉs7€ô% UÓ+ˆÜ˜VŸ\™\Ô*Ø F—L‘LÒ  ÜÐFÓGÐ G؈ rFcó4•—tj|d«sJ‚tj|«rJ‚t    |t
j «sJt|««‚||jk(sJ‚|t    |t«sJ‚t‰|-||¬«}||_ |S)NrU)rArz) rrVrÚ is_unitlessÚ
isinstanceÚnpÚndarrayÚtyperzr ÚsuperÚ _simple_newÚ_freq)r~rArbrzrBÚ    __class__s     €rDr‡zTimedeltaArray._simple_newÓsø€ô‰˜u cÔ*Ð*Ð*Ü×%Ñ% eÔ,Ð,Ð,ܘ&¤"§*¡*Ô-Ð;¬t°F«|Ó;Ð-ؘŸ ™ Ò$Ð$Ð$؈|œz¨$´Ô5Ð5Ð5ä‘Ñ$¨F¸%Ð$Ó@ˆØˆŒ ؈ rFF©rzÚcopycóš—|r t|«}t||d¬«\}}|t||d¬«}|j||j|¬«S)N©r‹rhFrŠ©rzrb)r|Úsequence_to_td64nsr r‡rz)r~Údatarzr‹rbs     rDÚ_from_sequencezTimedeltaArray._from_sequenceåsN€á Ü(¨Ó/ˆEä'¨°4¸dÔC‰
ˆˆdà Ð Ü& t°5¸uÔEˆDà‰˜t¨4¯:©:¸DˆÓAÐArF)rzr‹rbrhcóΗ|r t|«}|dvsJ‚t|||¬«\}}|t||d¬«}|j||j|¬«}|j |i«|S)zo
        _from_sequence_not_strict but without responsibility for finding the
        result's `freq`.
        ©ÚYrvÚMrFrŠrŽ)r|rr r‡rzÚ_maybe_pin_freq)r~rrzr‹rbrhÚ inferred_freqrBs        rDÚ_from_sequence_not_strictz(TimedeltaArray._from_sequence_not_strictñss€ñ Ü(¨Ó/ˆEà˜?Ñ*Ð*Ð*ä0°¸DÀtÔLшˆmà Ð Ü& t°5¸uÔEˆDà—‘ ¨T¯Z©Z¸mÓLˆà×јt RÔ(؈ rF©rhcóæ—tj|«}|€ td„|||fD««r td«‚t    j
||||«dk7r td«‚|t |«jd«}|t |«jd«}||dvr td«‚d}|||j|d¬    «}|||j|d¬    «}t|«\}}|t|||||¬
«}    n:tj|j|j|«jd «}    |s|    d d}    |s|    dd }    |    jd|›d«}
|j|
|
j |¬«S)Nc3ó$K—|]}|du–—Œ
y­wr\©)Ú.0rXs  rDú    <genexpr>z1TimedeltaArray._generate_range.<locals>.<genexpr>sèø€ÒI¨a  T¤    ÑIùs‚z1Must provide freq argument if no data is suppliedézVOf the four parameters: start, end, periods, and freq, exactly three must be specifiedrR)ÚsÚmsÚusrRz+'unit' must be one of 's', 'ms', 'us', 'ns'F)Úround_okr™rrééÿÿÿÿzm8[ú]rŽ)ÚdtlÚvalidate_periodsÚanyr}ÚcomÚcount_not_noner rorr)rƒÚlinspacertÚastypersr‡rz) r~ÚstartÚendÚperiodsrbÚclosedrhÚ left_closedÚ right_closedÚindexÚ
td64valuess            rDÚ_generate_rangezTimedeltaArray._generate_rangesŒ€ô×&Ñ& wÓ/ˆØ ˆ<œCÑI°G¸UÀCÐ3HÔIÔIÜÐPÓQÐ Qä × Ñ ˜e S¨'°4Ó 8¸AÒ =Üð<óð ð
РܘeÓ$×,Ñ,¨TÓ2ˆEà ˆ?ܘC“.×(Ñ(¨Ó.ˆCà Ð ØÐ2Ñ2Ü Ð!NÓOÐOàˆDà Ð  Ð!1Ø—M‘M $°MÓ7ˆEØ ˆ?˜tÐ/Ø—+‘+˜d¨U+Ó3ˆCä$6°vÓ$>Ñ!ˆ \à Ð Ü*¨5°#°wÀÈ4ÔP‰Eä—K‘K § ¡ ¨c¯j©j¸'ÓB×IÑIÈ$ÓOˆEáØ˜!˜"IˆEÙØ˜#˜2JˆEà—Z‘Z # d V¨1  Ó.ˆ
؏‰˜z°×1AÑ1AȈÓMÐMrFcó$—t||j«s|tur td«‚|j    |«|tur*t j |j|j«S|j|j«jS)Nz'value' should be a Timedelta.) r‚r_r    r}Ú_check_compatible_withrƒrZrtrhroÚasm8©r@Úvalues  rDÚ _unbox_scalarzTimedeltaArray._unbox_scalar?sl€Ü˜% ×!2Ñ!2Ô3¸ÄSÑ8HÜÐ=Ó>Ð >Ø ×#Ñ# EÔ*Ø ”C‰<Ü—>‘> %§,¡,°·    ±    Ó:Ð :à—=‘= §¡Ó+×0Ñ0Ð 0rFcó—t|«Sr\r]rºs  rDÚ_scalar_from_stringz"TimedeltaArray._scalar_from_stringHs €Ü˜ÓÐrFcó—yr\rœ©r@Úothers  rDr¸z%TimedeltaArray._check_compatible_withKs€à rFTcó®—t|«}tj|d«r“||jk(r|r|j    «S|St |«rIt |j|d¬«}t|«j||j|j¬«Std|j›d|›d«‚tjj|||¬«S)NrUF©r‹rŽzCannot convert from z to z1. Supported resolutions are 's', 'ms', 'us', 'ns')r"rrVrzr‹rr ryr…r‡rbr}r§ÚDatetimeLikeArrayMixinr­)r@rzr‹Ú
res_valuess    rDr­zTimedeltaArray.astypeRsЀô
˜UÓ#ˆä ?‰?˜5 #Ô &ؘŸ
™
Ò"ÙØŸ9™9›;Ð&ؐ ä! %Ô(ä0°·±ÀÈEÔR
ܘD“z×-Ñ-Ø j×&6Ñ&6¸T¿Y¹Yð.óðô!Ø*¨4¯:©:¨,°d¸5¸'ðBFðFóðô
×)Ñ)×0Ñ0°°uÀ4Ð0ÓHÐHrFc#ó4K—|jdkDr!tt|««D]    }||–—Œ y|j}t|«}d}||zdz}t|«D]3}||z}t    |dz|z|«}t |||d¬«}|Ed{–—†Œ5y7Œ­w)Nr¤i'T©Úbox)ÚndimÚrangeÚlenryÚminr)    r@ÚirÚlengthÚ    chunksizeÚchunksÚstart_iÚend_iÚ    converteds             rDÚ__iter__zTimedeltaArray.__iter__ms¬èø€Ø 9‰9qŠ=Üœ3˜t›9Ó%ò Ø˜1‘g“ ñ ð—=‘=ˆDܘ“YˆF؈IØ     Ñ)¨QÑ.ˆFܘ6“]ò %Ø˜i™-Ü˜Q ™U iÑ/°Ó8Ü/°°W¸UÐ0CÈÔN    Ø$×$Ñ$ñ     %ð%ús‚B BÂBÂBr)ÚaxisrzÚoutÚkeepdimsÚinitialÚskipnaÚ    min_countcó¢—tjd||||dœ«tj|j|||¬«}|j ||«S)Nrœ)rzrÖr×rØ)rÕrÙrÚ)ÚnvÚ validate_sumr%ÚnansumryÚ_wrap_reduction_result)    r@rÕrzrÖr×rØrÙrÚrBs             rDÚsumzTimedeltaArray.sum€sP€ô     ‰Ø ˜%¨¸ÈgÑVô    
ô—‘Ø M‰M ¨V¸yô
ˆð×*Ñ*¨4°Ó8Ð8rFr¤)rÕrzrÖÚddofr×rÙcóæ—tjd|||dœd¬«tj|j|||¬«}||j
dk(r|j |«S|j|«S)Nrœ)rzrÖr×Ústd)Úfname)rÕrÙrár¤)rÜÚvalidate_stat_ddof_funcr%ÚnanstdryrÉrwÚ_from_backing_data)r@rÕrzrÖrár×rÙrBs        rDrãzTimedeltaArray.std”si€ô     ×"Ñ"Ø ˜%¨¸ÑBÈ%õ    
ô—‘˜tŸ}™}°4ÀÈTÔRˆØ ˆ<˜4Ÿ9™9¨š>Ø—>‘> &Ó)Ð )Ø×&Ñ& vÓ.Ð.rF)rÙc ó•—|dk(rZtt|«}||jj«fd|i|¤Ž}t    |«j |d|j ¬«S|dk(r td«‚t‰|$|fd|i|¤ŽS)NÚcumsumrÙ)rbrzÚcumprodz$cumprod not supported for Timedelta.)
Úgetattrr'ryr‹r…r‡rzÚ    TypeErrorr†Ú _accumulate)r@rLrÙÚkwargsÚoprBr‰s      €rDrízTimedeltaArray._accumulateªs‰ø€Ø 8Ò ÜÔ3°TÓ:ˆBÙ˜Ÿ ™ ×*Ñ*Ó,ÑF°VÐF¸vÑFˆF䘓:×)Ñ)¨&°tÀ4Ç:Á:Ð)ÓNÐ NØ YÒ ÜÐBÓCÐ Cô‘7Ñ& tÑE°FÐE¸fÑEÐ ErFcó"—ddlm}||d¬«S)Nr©Úget_format_timedelta64TrÇ)Úpandas.io.formats.formatrò)r@Úboxedròs   rDÚ
_formatterzTimedeltaArray._formatter¹s€ÝCá% d°Ô5Ð5rF)Úna_repÚ date_formatc ón—ddlm}|||«}tj|dd«|j«S)Nrrñr¤)róròrƒÚ
frompyfuncry)r@rör÷rîròÚ    formatters      rDÚ_format_native_typesz#TimedeltaArray._format_native_types¾s6€õ    Dñ+¨4°Ó8ˆ    ð.Œr}‰}˜Y¨¨1Ó-¨d¯m©mÓ<Ð<rFcó”—t|t«rJ‚tdt|«j›dt|«j›«‚)Nzcannot add the type z to a )r‚r rìr…rIrÀs  rDÚ _add_offsetzTimedeltaArray._add_offsetÌsE€Ü˜e¤TÔ*Ð*Ð*ÜØ"¤4¨£;×#7Ñ#7Ð"8¸¼tÀD»z×?RÑ?RÐ>SÐ Tó
ð    
rFÚ__mul__có$—t|«r©|j|z}|jjdk7r!t    dt |«j ›«‚d}|j+t|«s |j|z}|jdk(rd}t |«j||j|¬«St|d«stj|«}t|«t|«k7r+tj |jd«s t#d«‚t%|j«rq|j}t't|««Dcgc] }||||z‘Œ}}tj|«}t |«j||j¬«S|j|z}|jjdk7r!t    dt |«j ›«‚t |«j||j¬«Scc}w)NrUzCannot multiply with rrŽrzz$Cannot multiply with unequal lengths©rz)r ryrzÚkindrìr…rIrbr$Únr‡ÚhasattrrƒÚarrayrËrrVr}rrÊ)r@rÁrBrbÚarrrs      rDrþzTimedeltaArray.__mul__Òsµ€ä UÔ à—]‘] UÑ*ˆF؏|‰|× Ñ  CÒ'ô Ð"7¼¸U» ×8LÑ8LÐ7MРNÓOÐO؈D؏y‰yÐ$¬T°%¬[Ø—y‘y 5Ñ(Ø—6‘6˜Q’;àDܘ“:×)Ñ)¨&¸¿ ¹ È4Ð)ÓPÐ Päu˜gÔ&ä—H‘H˜U“OˆEÜ ˆu‹:œ˜T›Ò "¬3¯?©?¸5¿;¹;ÈÔ+LôÐCÓDÐ Dä ˜5Ÿ;™;Ô 'ð—-‘-ˆCÜ16´s¸4³yÓ1AÖB¨Ac˜!‘f˜u Q™xÓ'ÐBˆFÐBÜ—X‘X˜fÓ%ˆFܘ“:×)Ñ)¨&¸¿ ¹ Ð)ÓEÐ Eð—‘ Ñ&ˆØ <‰<× Ñ  Ò #ôÐ3´D¸³K×4HÑ4HÐ3IÐJÓKÐ KܐD‹z×%Ñ% f°F·L±LÐ%ÓAÐAùòCsÅH cóâ—t||j«r€t|«}td|«turPt j |jt
j¬«}|jt
j«|S||j|«S|tjtjfvr7tdt!|«j"›dt!|«j"›«‚||j|«}d}|j$9|j$|z }|j&dk(r|j$j&dk7rd}t!|«j)||j*|¬«S)zv
        Shared logic for __truediv__, __rtruediv__, __floordiv__, __rfloordiv__
        with scalar 'other'.
        úTimedelta | NaTTyperzCannot divide z by NrrŽ)r‚Ú_recognized_scalarsr rr    rƒÚemptyÚshaper9ÚfillÚnanryr&ÚrtruedivÚ    rfloordivrìr…rIrbÚnanosr‡rz)r@rÁrïÚresrBrbs      rDÚ_scalar_divlike_opz!TimedeltaArray._scalar_divlike_opþs0€ô
e˜T×5Ñ5Ô 6ܘeÓ$ˆEôÐ)¨5Ó1´SÑ8ä—h‘h˜tŸz™z´·±Ô<Ø—‘œŸ™Ô Ø
ñd—m‘m UÓ+Ð +ð ”i×(Ñ(¬)×*=Ñ*=Ð>Ñ>ÜØ$¤T¨%£[×%9Ñ%9Ð$:¸$¼tÀD»z×?RÑ?RÐ>SÐTóðñ˜Ÿ ™  uÓ-ˆF؈Dày‰yÐ$ð—y‘y 5Ñ(Ø—:‘: ’? t§y¡y§¡¸!Ò';ð D䘓:×)Ñ)¨&¸¿ ¹ È4Ð)ÓPÐ PrFcóŒ—t|d«stj|«}t|«t|«k7r t    d«‚|S)Nrzz*Cannot divide vectors with unequal lengths)rrƒrrËr}rÀs  rDÚ_cast_divlike_opzTimedeltaArray._cast_divlike_op's:€Üu˜gÔ&ä—H‘H˜U“OˆEä ˆu‹:œ˜T›Ò "ÜÐIÓJÐ J؈ rFcóZ—||jtj|««}t|j«st |j«rH|t jt jfvr&t|«j||j¬«S|t jtjfvrp|j«t|«z}|j«rD|jtj «}tj"||tj$«|S)z‡
        Shared logic for __truediv__, __floordiv__, and their reversed versions
        with timedelta64-dtype ndarray other.
        r)ryrƒÚasarrayrrzrÚoperatorÚtruedivÚfloordivr…r‡r&rr$r©r­r9Úputmaskr )r@rÁrïrBÚmasks     rDÚ_vector_divlike_opz!TimedeltaArray._vector_divlike_op0sՀñ D—M‘M¤2§:¡:¨eÓ#4Ó5ˆä ˜UŸ[™[Ô )¬^¸E¿K¹KÔ-HÈbÜ × Ñ Ü × Ñ ðU
ñO
ô˜“:×)Ñ)¨&¸¿ ¹ Ð)ÓEÐ Eà ”(×#Ñ#¤Y×%8Ñ%8Ð9Ñ 9Ø—9‘9“;¤ e£Ñ,ˆD؏x‰xŒzØŸ™¤r§z¡zÓ2Ü—
‘
˜6 4¬¯©Ô0àˆ rFÚ __truediv__có¬—tj}t|«r|j||«S|j    |«}t j |jd«s*t|j«st|j«r|j||«St|j«r•tj|«}|jdkDrYt||«Dcgc]
\}}||z ‘Œ }}}|Dcgc]}|j!dd«‘Œ}}tj"|d¬«}|St%|j&|«}|St(Scc}}wcc}w©NrUr¤r¥r)rÕ)rrr rrrrVrzrrrrrƒrrÉÚzipÚreshapeÚ concatenaterryÚNotImplemented©    r@rÁrïÚleftÚrightÚres_colsrXÚ    res_cols2rBs             rDrzTimedeltaArray.__truediv__Fs€ô× Ñ ˆÜ UÔ Ø×*Ñ*¨5°"Ó5Ð 5à×%Ñ% eÓ,ˆä O‰O˜EŸK™K¨Ô -Ü § ¡ Ô,ܘeŸk™kÔ*à×*Ñ*¨5°"Ó5Ð 5ä ˜5Ÿ;™;Ô 'Ü—J‘J˜uÓ%ˆE؏y‰y˜1Š}Ü<?ÀÀeÓ<L×M©[¨T°5˜D 5›LÐMÑMØ7?Ö@°!˜QŸY™Y q¨"Õ-Ð@    Ð@ÜŸ™¨    ¸Ô:ðˆMô.¨d¯m©m¸UÓCàˆMô"Ð !ùóNùÚ@s Ã#E Ã9EÚ __rtruediv__có —tj}t|«r|j||«S|j    |«}t j |jd«r|j||«St|j«r?tt|««Dcgc] }||||z ‘Œ}}tj|«StScc}wrT)r&r r rrrrVrzrrrÊrËrƒrr")r@rÁrïrÚ result_lists     rDr(zTimedeltaArray.__rtruediv__cs³€ô× Ñ ˆÜ UÔ Ø×*Ñ*¨5°"Ó5Ð 5à×%Ñ% eÓ,ˆÜ ?‰?˜5Ÿ;™;¨Ô ,Ø×*Ñ*¨5°"Ó5Ð 5ä ˜UŸ[™[Ô )ô8=¼SÀ»YÓ7GÖH°!˜5 ™8 d¨1¡gÓ-ÐHˆKÐHÜ—8‘8˜KÓ(Ð (ô"Ð !ùò    IsÂC Ú __floordiv__cóÔ—tj}t|«r|j||«S|j    |«}t j |jd«s*t|j«st|j«r|j||«St|j«r©tj|«}|jdkDrXt||«Dcgc]
\}}||z‘Œ }}}|Dcgc]}|j!dd«‘Œ}}tj"|d¬«}nt%|j&|«}|jt(k(sJ‚|St*Scc}}wcc}wr)rrr rrrrVrzrrrrrƒrrÉrr r!rryÚobjectr"r#s             rDr+zTimedeltaArray.__floordiv__xs"€ä × Ñ ˆÜ UÔ Ø×*Ñ*¨5°"Ó5Ð 5à×%Ñ% eÓ,ˆä O‰O˜EŸK™K¨Ô -Ü § ¡ Ô,ܘeŸk™kÔ*à×*Ñ*¨5°"Ó5Ð 5ä ˜UŸ[™[Ô )Ü—J‘J˜uÓ%ˆE؏y‰y˜1Š}Ü=@ÀÀuÓ=M×N©k¨d°E˜D E›MÐNÑNØ7?Ö@°!˜QŸY™Y q¨"Õ-Ð@    Ð@ÜŸ™¨    ¸Ô:‘ä.¨t¯}©}¸eÓDà—<‘<¤6Ò)Ð )Ð)؈Mô"Ð !ùóOùÚ@s Ã#EÃ9E%Ú __rfloordiv__có¤—tj}t|«r|j||«S|j    |«}t j |jd«r|j||«St|j«rAtt|««Dcgc] }||||z‘Œ}}tj|«}|StScc}wrT)r&rr rrrrVrzrrrÊrËrƒrr")r@rÁrïrr*rBs      rDr.zTimedeltaArray.__rfloordiv__•s³€ä ×  Ñ  ˆÜ UÔ Ø×*Ñ*¨5°"Ó5Ð 5à×%Ñ% eÓ,ˆÜ ?‰?˜5Ÿ;™;¨Ô ,Ø×*Ñ*¨5°"Ó5Ð 5ä ˜UŸ[™[Ô )Ü8=¼cÀ$»iÓ8HÖI°1˜5 ™8 t¨A¡wÓ.ÐIˆKÐIÜ—X‘X˜kÓ*ˆF؈Mô"Ð !ùò JsÂC Ú__mod__cóZ—t||j«r t|«}|||z|zz
Sr\©r‚rr rÀs  rDr0zTimedeltaArray.__mod__§s2€ô e˜T×5Ñ5Ô 6ܘeÓ$ˆEؐt˜u‘}¨Ñ-Ñ-Ð-rFÚ__rmod__cóZ—t||j«r t|«}|||z|zz
Sr\r2rÀs  rDr3zTimedeltaArray.__rmod__®s2€ô e˜T×5Ñ5Ô 6ܘeÓ$ˆEؘ ™ ¨Ñ-Ñ-Ð-rFÚ
__divmod__cóf—t||j«r t|«}||z}|||zz
}||fSr\r2©r@rÁÚres1Úres2s    rDr5zTimedeltaArray.__divmod__µs?€ô e˜T×5Ñ5Ô 6ܘeÓ$ˆEàu‰}ˆØd˜U‘lÑ"ˆØTˆzÐrFÚ __rdivmod__cóf—t||j«r t|«}||z}|||zz
}||fSr\r2r7s    rDr:zTimedeltaArray.__rdivmod__¿s?€ô e˜T×5Ñ5Ô 6ܘeÓ$ˆEà˜‰}ˆØt˜d‘{Ñ"ˆØTˆzÐrFcóœ—d}|j |j }t|«j|j |j|¬«S©NrŽ)rbr…r‡ryrz)r@rbs  rDÚ__neg__zTimedeltaArray.__neg__ÉsB€ØˆØ 9‰9Ð  Ø—I‘I:ˆDܐD‹z×%Ñ% t§}¡} n¸D¿J¹JÈTÐ%ÓRÐRrFcó”—t|«j|jj«|j|j
¬«Sr=)r…r‡ryr‹rzrbr^s rDÚ__pos__zTimedeltaArray.__pos__Ïs:€ÜD‹z×%Ñ%Ø M‰M× Ñ Ó  ¨¯
©
¸¿¹ð&ó
ð    
rFcóˆ—t|«jtj|j«|j
¬«S)Nr)r…r‡rƒÚabsryrzr^s rDÚ__abs__zTimedeltaArray.__abs__Ôs-€äD‹z×%Ñ%¤b§f¡f¨T¯]©]Ó&;À4Ç:Á:Ð%ÓNÐNrFcól—t|j«}|j|j|z d¬«S)a{
        Return total duration of each element expressed in seconds.
 
        This method is available directly on TimedeltaArray, TimedeltaIndex
        and on Series containing timedelta values under the ``.dt`` namespace.
 
        Returns
        -------
        ndarray, Index or Series
            When the calling object is a TimedeltaArray, the return type
            is ndarray.  When the calling object is a TimedeltaIndex,
            the return type is an Index with a float64 dtype. When the calling object
            is a Series, the return type is Series of type `float64` whose
            index is the same as the original.
 
        See Also
        --------
        datetime.timedelta.total_seconds : Standard library version
            of this method.
        TimedeltaIndex.components : Return a DataFrame with components of
            each Timedelta.
 
        Examples
        --------
        **Series**
 
        >>> s = pd.Series(pd.to_timedelta(np.arange(5), unit='d'))
        >>> s
        0   0 days
        1   1 days
        2   2 days
        3   3 days
        4   4 days
        dtype: timedelta64[ns]
 
        >>> s.dt.total_seconds()
        0         0.0
        1     86400.0
        2    172800.0
        3    259200.0
        4    345600.0
        dtype: float64
 
        **TimedeltaIndex**
 
        >>> idx = pd.to_timedelta(np.arange(5), unit='d')
        >>> idx
        TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days'],
                       dtype='timedelta64[ns]', freq=None)
 
        >>> idx.total_seconds()
        Index([0.0, 86400.0, 172800.0, 259200.0, 345600.0], dtype='float64')
        N)r:)rr=r?r<)r@Úppss  rDrkzTimedeltaArray.total_secondsÛs1€ôl! §¡Ó-ˆØ×'Ñ'¨¯    ©    °C©ÀDÐ'ÓIÐIrFcó,—t|j«S)a 
        Return an ndarray of datetime.timedelta objects.
 
        Returns
        -------
        numpy.ndarray
 
        Examples
        --------
        >>> tdelta_idx = pd.to_timedelta([1, 2, 3], unit='D')
        >>> tdelta_idx
        TimedeltaIndex(['1 days', '2 days', '3 days'],
                        dtype='timedelta64[ns]', freq=None)
        >>> tdelta_idx.to_pytimedelta()
        array([datetime.timedelta(days=1), datetime.timedelta(days=2),
               datetime.timedelta(days=3)], dtype=object)
        )rryr^s rDrjzTimedeltaArray.to_pytimedeltas€ô$# 4§=¡=Ó1Ð1rFaCNumber of days for each element.
 
    Examples
    --------
    For Series:
 
    >>> ser = pd.Series(pd.to_timedelta([1, 2, 3], unit='d'))
    >>> ser
    0   1 days
    1   2 days
    2   3 days
    dtype: timedelta64[ns]
    >>> ser.dt.days
    0    1
    1    2
    2    3
    dtype: int64
 
    For TimedeltaIndex:
 
    >>> tdelta_idx = pd.to_timedelta(["0 days", "10 days", "20 days"])
    >>> tdelta_idx
    TimedeltaIndex(['0 days', '10 days', '20 days'],
                    dtype='timedelta64[ns]', freq=None)
    >>> tdelta_idx.days
    Index([0, 10, 20], dtype='int64')r6a‹Number of seconds (>= 0 and less than 1 day) for each element.
 
    Examples
    --------
    For Series:
 
    >>> ser = pd.Series(pd.to_timedelta([1, 2, 3], unit='s'))
    >>> ser
    0   0 days 00:00:01
    1   0 days 00:00:02
    2   0 days 00:00:03
    dtype: timedelta64[ns]
    >>> ser.dt.seconds
    0    1
    1    2
    2    3
    dtype: int32
 
    For TimedeltaIndex:
 
    >>> tdelta_idx = pd.to_timedelta([1, 2, 3], unit='s')
    >>> tdelta_idx
    TimedeltaIndex(['0 days 00:00:01', '0 days 00:00:02', '0 days 00:00:03'],
                   dtype='timedelta64[ns]', freq=None)
    >>> tdelta_idx.seconds
    Index([1, 2, 3], dtype='int32')rdaÝNumber of microseconds (>= 0 and less than 1 second) for each element.
 
    Examples
    --------
    For Series:
 
    >>> ser = pd.Series(pd.to_timedelta([1, 2, 3], unit='us'))
    >>> ser
    0   0 days 00:00:00.000001
    1   0 days 00:00:00.000002
    2   0 days 00:00:00.000003
    dtype: timedelta64[ns]
    >>> ser.dt.microseconds
    0    1
    1    2
    2    3
    dtype: int32
 
    For TimedeltaIndex:
 
    >>> tdelta_idx = pd.to_timedelta([1, 2, 3], unit='us')
    >>> tdelta_idx
    TimedeltaIndex(['0 days 00:00:00.000001', '0 days 00:00:00.000002',
                    '0 days 00:00:00.000003'],
                   dtype='timedelta64[ns]', freq=None)
    >>> tdelta_idx.microseconds
    Index([1, 2, 3], dtype='int32')reañNumber of nanoseconds (>= 0 and less than 1 microsecond) for each element.
 
    Examples
    --------
    For Series:
 
    >>> ser = pd.Series(pd.to_timedelta([1, 2, 3], unit='ns'))
    >>> ser
    0   0 days 00:00:00.000000001
    1   0 days 00:00:00.000000002
    2   0 days 00:00:00.000000003
    dtype: timedelta64[ns]
    >>> ser.dt.nanoseconds
    0    1
    1    2
    2    3
    dtype: int32
 
    For TimedeltaIndex:
 
    >>> tdelta_idx = pd.to_timedelta([1, 2, 3], unit='ns')
    >>> tdelta_idx
    TimedeltaIndex(['0 days 00:00:00.000000001', '0 days 00:00:00.000000002',
                    '0 days 00:00:00.000000003'],
                   dtype='timedelta64[ns]', freq=None)
    >>> tdelta_idx.nanoseconds
    Index([1, 2, 3], dtype='int32')rfc󶇗ddlm}gd¢Š|j}|rˆfd„}nd„}||Dcgc]
}||«‘Œ c}‰¬«}|s|jd«}|Scc}w)aØ
        Return a DataFrame of the individual resolution components of the Timedeltas.
 
        The components (days, hours, minutes seconds, milliseconds, microseconds,
        nanoseconds) are returned as columns in a DataFrame.
 
        Returns
        -------
        DataFrame
 
        Examples
        --------
        >>> tdelta_idx = pd.to_timedelta(['1 day 3 min 2 us 42 ns'])
        >>> tdelta_idx
        TimedeltaIndex(['1 days 00:03:00.000002042'],
                       dtype='timedelta64[ns]', freq=None)
        >>> tdelta_idx.components
           days  hours  minutes  seconds  milliseconds  microseconds  nanoseconds
        0     1      0        3        0             0             2           42
        rr2)r6ÚhoursÚminutesrdÚ millisecondsrerfcól•—t|«rtjgt‰«zS|jSr\)r$rƒr rËÚ
components)rXÚcolumnss €rDrEz$TimedeltaArray.components.<locals>.fÒs)ø€Ü˜”7ÜŸF™F˜8¤c¨'£lÑ2Ð2Ø—|‘|Ð#rFcó—|jSr\)rLrWs rDrEz$TimedeltaArray.components.<locals>.fÙs €Ø—|‘|Ð#rF)rMÚint64)Úpandasr3r>r­)r@r3ÚhasnansrErXrBrMs      @rDrLzTimedeltaArray.components®s_ø€õ,    %ò
ˆð—+‘+ˆÙ õ $ò $ñ¨$Ö/ Q™A˜aDÒ/¸ÔAˆÙØ—]‘] 7Ó+ˆF؈ ùò0s©A)rHztype[Timedelta])rXúnp.timedelta64rHr)rHúnp.dtype[np.timedelta64])rAznpt.NDArray[np.timedelta64]rbz Tick | NonerzrSrHr0)r‹ÚboolrHr0r\)rhz
str | NonerHr0)rHrR)rHr)rHÚNone)T)r‹rT)rHr+)
rÕúAxisInt | NonerzúNpDtype | Noner×rTrÙrTrÚÚint)
rÕrVrzrWrárXr×rTrÙrT)rLÚstrrÙrT)F)rôrT)röz str | floatrHúnpt.NDArray[np.object_])rHr0)rHznp.ndarray | Self)rHrP)rHznpt.NDArray[np.float64])rHrZ)rHr3)OrIÚ
__module__Ú __qualname__rJÚ_typrƒrZÚ_internal_fill_valuerr rÚ_is_recognized_dtypeÚ_infer_matchesrKr_Ú__array_priority__r`Ú__annotations__rarcrgrirprwrzrˆrÚ_default_dtypeÚ classmethodrr‡r‘rÚ
no_defaultr˜r¶r¼r¾r¸r­rÔràrãrírõrûrýr*rþÚ__rmul__rrrrr(r+r.r0r3r5r:r>r@rCrkrjÚtextwrapÚdedentÚdays_docstringrNr6Úseconds_docstringrdÚmicroseconds_docstringreÚnanoseconds_docstringrfrLÚ __classcell__)r‰s@rDrPrPgsoø…ñ#ðJ €DØ)˜2Ÿ>™>¨%°Ó6ÐØ$ b§n¡n°dÐ;ÐÙ<ÐØ1€Nà òóððÐà€J    ÓØ€IˆyÓØ$˜X€KÓ%ÚN€J    ÓNØ#-° Ñ#;¸iÑ#GÈ6È(Ñ#RАyÓRò(И9óóCð ò#óð#ð& €EØ!€Nàñóððð!Ø*6ð    à+ðððð(ð    ð
 
ô óðð"Ø+/¸eô    Bóð    Bðð
ØØ ^‰^Ø ñð
ð ð
òóðð8à/3ð+NØKOñ+NØ>Hð+Nà     ò+Nóð+Nó`1ó ó ôIó6%ð, $Ø $Ø ØØØØñ9ðð9ðð    9ð ð 9ðð9ðó9ð. $Ø $Ø ØØØñ/ðð/ðð    /ð ð /ðð/ðó/ð,8<÷
Fô6ð (-¸$ñ    =Ø$ð    =à     ó    =ò
ñ ˜iÓ(ò'Bó)ð'BðR€Hò'QòRóñ,˜mÓ,ñ"ó-ð"ñ8˜nÓ-ñ"ó.ð"ñ(˜nÓ-ñ"ó.ð"ñ8˜oÓ.ñ"ó/ð"ñ"˜iÓ(ñ.ó)ð.ñ ˜jÓ)ñ.ó*ð.ñ ˜lÓ+ñó,ðñ˜mÓ,ñó-ðóSó 
ó
Oó7Jór2ð(%X—_‘_ð    )ó€Nñ8 ˜6 6¨>Ó :€Dà'˜Ÿ™ð    'óÐñ8ØØØó€Gð -˜XŸ_™_ð    'óÐñ:#ØØØó€Lð ,˜HŸO™Oð    'óÐñ:"ØØØó€Kð ò0óô0rFrPcó"—|dvsJ‚d}| t|«}tj||d¬«\}}t|t«r |j
}|j tk(st|j «rt|||¬«}d}n+t|j «rt||¬«\}}|xr| }nþt|j «rut|j t«r|j}|j}nt!j"|«}t%||xsd«}t&||<|j)d    «}d}ntt+j,|j d
«r;t/|j «s?t1|j «}t3||d¬ «}d}nt5d |j ›d «‚|st!j6|«}nt!j8||¬«}|j j:d
k(sJ‚|j dk7sJ‚||fS)aÖ
    Parameters
    ----------
    data : list-like
    copy : bool, default False
    unit : str, optional
        The timedelta unit to treat integers as multiples of. For numeric
        data this defaults to ``'ns'``.
        Must be un-specified if the data contains a str and ``errors=="raise"``.
    errors : {"raise", "coerce", "ignore"}, default "raise"
        How to handle elements that cannot be converted to timedelta64[ns].
        See ``pandas.to_timedelta`` for details.
 
    Returns
    -------
    converted : numpy.ndarray
        The sequence converted to a numpy array with dtype ``timedelta64[ns]``.
    inferred_freq : Tick or None
        The inferred frequency of the sequence.
 
    Raises
    ------
    ValueError : Data cannot be converted to timedelta64[ns].
 
    Notes
    -----
    Unlike `pandas.to_timedelta`, if setting ``errors=ignore`` will not cause
    errors to be ignored; they are caught and subsequently ignored at a
    higher level.
    r“NrP)Úcls_name©rhÚerrorsFr™rRzm8[ns]rUrŠzdtype z' cannot be converted to timedelta64[ns]rÃÚm8)rr§Ú!ensure_arraylike_for_datetimeliker‚rPrbrzr-r!Ú_objects_to_td64nsrÚ_ints_to_td64nsrr#Ú_maskÚ_datarƒÚisnanrrrsrrVrrr rìrrr)rr‹rhrqr—Ú    copy_maderÚ    new_dtypes        rDrræs€ðH Ñ &Ð&Ð &à€MØ ÐÜ# DÓ)ˆä×6Ñ6Ø ˆdÐ-ôJ€Dˆ$ô$œÔ'ØŸ    ™    ˆ ð ‡zz”VÒœ¨t¯z©zÔ:ä! $¨T¸&ÔAˆØŠä    ˜$Ÿ*™*Ô    %ä)¨$°TÔ:‰ˆˆiØÒ%˜I˜ ‰ä    ˜Ÿ
™
Ô    #ô d—j‘j¤.Ô 1Ø—:‘:ˆDØ—:‘:‰Dä—8‘8˜D“>ˆDä(¨¨tª|°tÓ<ˆÜˆˆT‰
؏y‰y˜Ó"ˆØ‰ä     ‰˜Ÿ™ SÔ    )Ü! $§*¡*Ô-ä+¨D¯J©JÓ7ˆIÜ& t°9À5ÔIˆD؉Dô˜& §¡  Ð,SÐTÓUÐUá ܏z‰z˜$Ó‰äx‰x˜ 4Ô(ˆà :‰:?‰?˜cÒ !Ð!Ð !Ø :‰:˜Ò ÐÐ à Ð ÐrFcó—d}||nd}|jtjk7r!|jtj«}d}|dk7r.d|›d}|j    |«}t |t ¬«}d}||fS|j    d«}||fS)a­
    Convert an ndarray with integer-dtype to timedelta64[ns] dtype, treating
    the integers as multiples of the given timedelta unit.
 
    Parameters
    ----------
    data : numpy.ndarray with integer-dtype
    unit : str, default "ns"
        The timedelta unit to treat integers as multiples of.
 
    Returns
    -------
    numpy.ndarray : timedelta64[ns] array converted from data
    bool : whether a copy was made
    FrRTz timedelta64[r¦rútimedelta64[ns])rzrƒrOr­rsr r)rrhryÚ    dtype_strs    rDruruFs›€ð €IØÐ#‰4¨€Dà ‡zz”R—X‘XÒð{‰{œ2Ÿ8™8Ó$ˆØˆ    à ˆt‚|Ø" 4 &¨Ð*ˆ    Øy‰y˜Ó#ˆä" 4¬|Ô<ˆðˆ    ð
ˆ?Ððy‰yÐ*Ó+ˆà ˆ?ÐrFcóŠ—tj|tj¬«}t|||¬«}|j    d«S)aR
    Convert a object-dtyped or string-dtyped array into an
    timedelta64[ns]-dtyped array.
 
    Parameters
    ----------
    data : ndarray or Index
    unit : str, default "ns"
        The timedelta unit to treat integers as multiples of.
        Must not be specified if the data contains a str.
    errors : {"raise", "coerce", "ignore"}, default "raise"
        How to handle elements that cannot be converted to timedelta64[ns].
        See ``pandas.to_timedelta`` for details.
 
    Returns
    -------
    numpy.ndarray : timedelta64[ns] array converted from data
 
    Raises
    ------
    ValueError : Data cannot be converted to timedelta64[ns].
 
    Notes
    -----
    Unlike `pandas.to_timedelta`, if setting `errors=ignore` will not cause
    errors to be ignored; they are caught and subsequently ignored at a
    higher level.
    rrpr|)rƒrÚobject_rrs)rrhrqrArBs     rDrtrtns6€ô<Z‰Z˜¤B§J¡JÔ /€Fä ! &¨t¸FÔ C€FØ ;‰;Ð(Ó )Ð)rFcóܗt|«}|tjd«k(r d}t|«‚t    j
|d«std|›d«‚t |«s td«‚|S)NrrzhPassing in 'timedelta' dtype with no precision is not allowed. Please pass in 'timedelta64[ns]' instead.rUzdtype 'z,' is invalid, should be np.timedelta64 dtypez;Supported timedelta64 resolutions are 's', 'ms', 'us', 'ns')r"rƒrzr}rrVr)rzÚmsgs  rDr|r|’sn€Ü ˜Ó €EØ ”—‘˜“Òð 8ð     ô˜‹oÐä ?‰?˜5 #Ô &ܘ7 5 'Ð)UÐVÓWÐWÜ  Ô &ÜÐVÓWÐWà €LrF)rLrYrCrYrMrY)FNÚraise)r‹rTrqr-rHztuple[np.ndarray, Tick | None])rR)rhrY)Nr‚)rqr-)rHr.)VÚ
__future__rÚdatetimerrÚtypingrrÚnumpyrƒÚ pandas._libsrrÚpandas._libs.tslibsr    r
r r r rrrrÚpandas._libs.tslibs.conversionrÚpandas._libs.tslibs.fieldsrrÚpandas._libs.tslibs.timedeltasrrrrrÚpandas.compat.numpyrrÜÚpandas.util._validatorsrÚpandas.core.dtypes.commonrrrrr r!r"Úpandas.core.dtypes.dtypesr#Úpandas.core.dtypes.missingr$Ú pandas.corer%r&Úpandas.core.array_algosr'Úpandas.core.arraysr(r§Úpandas.core.arrays._rangesr)Úpandas.core.commonÚcoreÚcommonrªÚpandas.core.ops.commonr*Úcollections.abcr+Úpandas._typingr,r-r.r/r0r1rPr3rgrNÚ TimelikeOpsrPrrurtr|rœrFrDú<module>rœsëðÝ"åÛ÷ó
÷÷
÷
õ
õE÷÷õõ/Ý6÷÷ñõ5Ý+÷õ?Ý2Ý=ߠРÝ;áÝ(÷÷õ!ãóô,x S—_‘_ôx ðBØ     Ø#*ð    ]à
ð]ð !ð    ]ð
$ó ]ô@%ôP!*ôHrF