Databáze časových pásem

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Toto cvičení je součástí kurzu

Práce s daty a časy v Pythonu

SkillTag.level.intermediateSkillTag.label

4.8+

2722 reviews

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 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

Aktuální cvičení

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