Průměrná délka jízdy

Kolo W20529 absolvovalo v našem datasetu 291 jízd. Jak dlouhé byly průměrně? K výpočtu použijeme vestavěné funkce Pythonu sum() a len().

Na základě předchozího cvičení jsou data načtena jako onebike_durations. Každý záznam představuje počet sekund, po které bylo kolo mimo stanici.

Toto cvičení je součástí kurzu

Práce s daty a časy v Pythonu

Pokyny k cvičení

Vypočítej total_elapsed_time pro všechny jízdy v onebike_durations.
Vypočítej number_of_trips pro onebike_durations.
Vyděl total_elapsed_time hodnotou number_of_trips, abys získal/a průměrnou délku jízdy.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# What was the total duration of all trips?
total_elapsed_time = ____(____)

# What was the total number of trips?
number_of_trips = ____(____)
  
# Divide the total duration by the number of trips
print(____ / ____)

Upravit a spustit kód

Toto cvičení je součástí kurzu

Práce s daty a časy v Pythonu

SkillTag.level.intermediateSkillTag.label

4.8+

Začněte kurz zdarma

Hurikány (známé také jako cyklony nebo tajfuny) zasahují americký stát Florida několikrát ročně. Na začátku tohoto kurzu se naučíš pracovat s datovými objekty v Pythonu – začneme daty všech hurikánů, které zasáhly Floridu od roku 1950. Zjistíš, jak Python zpracovává data, jaké operace s nimi lze provádět a jak je správně formátovat, aby nedocházelo k záměnám.

Exercise 1: Datumy v Pythonu Exercise 2: Který den v týdnu?Exercise 3: Kolik hurikánů přichází brzy?Exercise 4: Počítání s daty Exercise 5: Odečítání dat Exercise 6: Počítání událostí podle kalendářního měsíce Exercise 7: Seřazení seznamu dat Exercise 8: Převod dat na řetězce Exercise 9: Výpis dat v přehledném formátu Exercise 10: Různé způsoby reprezentace dat

Programy sdílení kol se rozšířily po městech po celém světě – a naštěstí pro nás je každá jízda zaznamenána! Na datech jednoho kola ve Washingtonu D.C. si procvičíš práci s datem i časem zároveň. Naučíš se parsovat datum a čas z textu, analyzovat špičky v jízdách, počítat jejich délku a mnohem více.

Exercise 1: Datum a čas Exercise 2: Vytváření objektů datetime ručně Exercise 3: Počítání jízd před polednem a po poledni Exercise 4: Tisk a parsování hodnot datetime Exercise 5: Převod řetězců na datetimes Exercise 6: Parsování dvojic řetězců jako datetime objektů Exercise 7: Znovuvytvoření formátu ISO pomocí strftime()Exercise 8: Unixová časová razítka Exercise 9: Práce s délkou trvání Exercise 10: Převod dvojic datetime hodnot na délky trvání Exercise 11: Průměrná délka jízdy

Aktuální cvičení

Exercise 12: Proč je čas tak záludný – od nejkratší po nejdelší jízdu

V této kapitole se naučíš sebejistě řešit téma, které dělá lidem největší potíže: časová pásma a letní čas. Budeme pokračovat s daty o jízdách na kole a zjistíš, jak porovnávat hodiny po celém světě, jak elegantně zvládat přechod na letní a zimní čas a jak získat aktuální data o časových pásmech z knihovny dateutil.

Exercise 1: Posuny UTC Exercise 2: Vytváření datetime objektů s časovou zónou Exercise 3: Nastavení časových pásem Exercise 4: V kolik hodin kolo odjelo podle UTC?Exercise 5: Databáze časových pásem Exercise 6: Přiřazení správného časového pásma k jízdám na kole Exercise 7: Kdy kolo odjelo? (Světové vydání)Exercise 8: Začátek letního času Exercise 9: Kolik hodin uběhlo v době letního času?Exercise 10: 29. března napříč desetiletím Exercise 11: Konec letního času Exercise 12: Hledání nejednoznačných datetimů Exercise 13: Oprava dat při přechodu ze zimního času pomocí fold

V závěrečné kapitole kurzu přeneseme vše, co sis osvojil/a o práci s daty a časy v čistém Pythonu, do prostředí Pandas. S rozšířenými informacemi o každé jízdě na kole – například o tom, na které stanici začala a skončila nebo zda měl cyklista roční členství – se budeš moci do dat ponořit mnohem hlouběji. Kapitola se zaměřuje na výkonné operace v Pandas, jako je seskupování a vizualizace výsledků v čase.

Exercise 1: Čtení dat s datem a časem v Pandas Exercise 2: Načtení souboru CSV v Pandas Exercise 3: Vytváření sloupců s timedelta Exercise 4: Shrnutí dat s datem a časem v Pandas Exercise 5: Kolik jízd jen tak pro radost?Exercise 6: Venku se ochlazuje, W20529 Exercise 7: Členové vs. příležitostní jezdci v čase Exercise 8: Kombinace groupby() a resample()Exercise 9: Další metody pro práci s datem a časem v Pandas Exercise 10: Časová pásma v Pandas Exercise 11: Jak dlouho trvají jízdy podle dne v týdnu?Exercise 12: Jak dlouho mezi jízdami?Exercise 13: Shrnutí