V této kapitole se seznámíš s datovými typy pro datum a čas. Naučíš se převádět textová a číselná data do formátu data a času – a samozřejmě i zpět!

Úvod do datových typů pro datum a čas

Datové typy v PostgreSQL

INSERT time INTO table

Práce s informacemi o časových pásmech

Najdi časová pásma

Převod do jiného časového pásma

Převod mezi datem, časem a textem

Přetypování dat

Převod dat

Převod datumů a časů

Úvod do práce s datovými typy pro datum a čas v PostgreSQL

Teď se zaměříme na detaily. V této kapitole se naučíš nastavovat granularitu reportů časových řad. Pak se pustíš do sčítání, odčítání a agregací, díky nimž zjistíš, jak analyzovat data v časových řadách.

Úprava granularity dat časových řad

Teploty podle století

Nejrušnější hodina dne

Sčítání a odčítání dat s datem a časem

Výpočet věku

Výpočet doby příjezdu v minutách

Výpočet intervalů

Agregace dat časové řady

Počet datových bodů v každé časové řadě

Agregace teplotních dat

Výpočet průměrné roční teploty

Použití statistických agregací na data časových řad

Výpočet měsíčních teplotních výkyvů

Analýza distribuce dat

Analýza dat ze senzorů

Práce s časovými řadami

V této kapitole se zaměříš na okenní funkce. Začneš s oddíly (partitions) a jejich využitím v okenních funkcích. Naučíš se také vyhledávat nejlepší položky při řazení dat.

Rozdělení dat a okenní funkce

Rozdělená tabulka

Partition by

Nejlepší položky s využitím okenních funkcí

Najdi tři nejvyšší hodnoty v každém oddílu

Nejaktivnější hodiny dne pro každý článek

Rankingové funkce

Žebříček nejchladnějšího počasí

Žebříček nejteplejších počasí

Teplotní percentil

Analýza časových řad pomocí okenních funkcí

V závěrečné kapitole posuneš své dovednosti na vyšší úroveň – budeš počítat průběžný součet, průběžný průměr a klouzavý průměr, čímž svou analýzu časových řad ještě prohloubíš.

Kumulativní součet

Příští stanice

Výpočet průběžného součtu

Průběžný součet se zpožděním

Průběžný průměr

Průběžný průměr pro jednu stanici

Průběžný průměr pro více řad

Klouzavý průměr

Identifikace trendových zpráv

Průběžný a klouzavý průměr roční teploty

Závěr

Výpočet průběžných součtů a klouzavých průměrů

Tento kurz tě naučí, jak v PostgreSQL efektivně pracovat s daty a časy. Objevíš funkce a volání, která ti pomohou tato data parsovat a manipulovat s nimi, provádět výpočty a využívat okenní funkce. Nabyté znalosti pak uplatníš na reálných datech – budeš analyzovat teploty, prohlížet jízdní řády vlaků a zkoumat, jak se v čase mění popularita zpravodajských článků.

Tento kurz vás naučí, jak využít PostgreSQL pro práci s daty a časem. Naučíte se o funkcích a voláních, které vám pomohou procházet a upravovat tato data, provádět výpočty a používat okenní funkce.
<br><br>
<h2>Pracujte s časovými řadami</h2>
<br><br>
Dozvíš se o různých datových typech pro datum a čas a o tom, jak mezi nimi převádět, upravovat jejich granularitu a provádět výpočty, včetně agregací, dělení na oddíly a klouzavých průměrů. Tyto poznatky vám pomohou přidat hodnotu k existujícím datům časových řad.
<br><br>
<h2>Aplikujte analýzu časových řad na reálná data</h2>
<br><br>
Tyto techniky použiješ na reálná data k analýze teplot, prohlížení jízdních řádů vlaků a sledování toho, jak se může v čase měnit popularita zpravodajských článků.

Joining Data in SQL

Naučte se používat PostgreSQL pro analýzu časových řad a aplikujte tyto techniky na reálná data.

Time Series Analysis in PostgreSQL

Naučte se používat PostgreSQL k efektivní analýze časových řad a aplikujte tyto techniky na reálná data.

CREATE TABLE new_stock_data_y2023m1 PARTITION OF new_stock_data

FOR VALUES FROM ('2023-01-01') to ('2023-01-31');

Rozdělená tabulka

Time Series Analysis in PostgreSQL

Interaktivní praktické cvičení