Weitere Datums- und Uhrzeitmethoden in Pandas

Create Your Free Account

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

Diese Übung ist Teil des Kurses

Arbeiten mit Datums- und Zeitangaben in Python

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Hurrikane (auch als Zyklone oder Taifune bekannt) treffen den US-Bundesstaat Florida mehrmals im Jahr. Zu Beginn dieses Kurses lernst du, wie man mit Datums-Objekten in Python arbeitet, und zwar anhand der Daten aller Hurrikane, die Florida seit 1950 heimgesucht haben. Du lernst, wie Python mit Datumsangaben umgeht, gängige Datumsoperationen und wie man Datumsangaben richtig formatiert, um Verwirrung zu vermeiden.

Exercise 1: Daten in Python Exercise 2: Welcher Tag der Woche?Exercise 3: Wie viele Hurrikane kommen früh?Exercise 4: Mathe mit Daten Exercise 5: Daten subtrahieren Exercise 6: Zählen von Ereignissen pro Kalendermonat Exercise 7: Eine Liste mit Daten sortieren Exercise 8: Daten in Zeichenfolgen umwandeln Exercise 9: Druck von Daten in einem benutzerfreundlichen Format Exercise 10: Datumsangaben auf verschiedene Arten darstellen

Fahrradverleihprogramme haben Städte auf der ganzen Welt erobert – und zum Glück für uns wird jede Fahrt aufgezeichnet! Du lernst, mit den ganzen Fahrten und Rückfahrten eines Fahrrads in Washington, D.C. zu arbeiten, und übst dabei, mit Daten und Uhrzeiten zu arbeiten. Du wirst Daten und Uhrzeiten aus Texten herauslesen, Spitzenzeiten analysieren, Fahrzeiten berechnen und vieles mehr.

Exercise 1: Termine und Zeiten Exercise 2: Datums- und Zeitangaben manuell erstellen Exercise 3: Zählen von Ereignissen vor und nach Mittag Exercise 4: Datums- und Zeitangaben drucken und analysieren Exercise 5: Zeichenfolgen in Datums- und Zeitangaben umwandeln Exercise 6: Zeichenfolgenpaare als Datums- und Zeitangaben analysieren Exercise 7: ISO-Format mit strftime() nachmachen Exercise 8: Unix-Zeitstempel Exercise 9: Arbeiten mit Zeiträumen Exercise 10: Datums- und Zeitangaben in Zeiträume umwandeln Exercise 11: Durchschnittliche Fahrzeit Exercise 12: Kurz gesagt, warum Zeit so schwierig ist

In diesem Kapitel lernst du, wie du das zeitbezogene Thema, das den meisten Leuten Probleme bereitet, sicher angehen kannst: Zeitzonen und Sommerzeit. Weiter geht's mit unseren Fahrraddaten. Du lernst, wie du Uhren auf der ganzen Welt vergleichen kannst, wie du mit der Sommerzeit und der Winterzeit umgehst und wie du aktuelle Zeitzonendaten aus der dateutil-Bibliothek holst.

Exercise 1: UTC-Offsets Exercise 2: Erstellen von Datums- und Zeitangaben mit Zeitzonenunterstützung Exercise 3: Zeitzonen einstellen Exercise 4: Wann ist das Fahrrad in UTC losgefahren?Exercise 5: Zeitzonendatenbank Exercise 6: Die Radtouren in die richtige Zeitzone einordnen Exercise 7: Wann ist das Fahrrad losgefahren? (Globale Ausgabe)Exercise 8: Beginn der Sommerzeit Exercise 9: Wie viele Stunden sind seit der Zeitumstellung vergangen?Exercise 10: 29. März, über ein Jahrzehnt hinweg Exercise 11: Ende der Sommerzeit Exercise 12: Mehrdeutige Datums- und Zeitangaben finden Exercise 13: Säuberung der Sommerzeitdaten mit „fold“

Zum Abschluss dieses Kurses wirst du alles, was du über die Arbeit mit Datums- und Zeitangaben in Standard-Python gelernt hast, auf die Arbeit mit Datums- und Zeitangaben in Pandas anwenden. Mit zusätzlichen Infos zu jeder Fahrradtour, wie zum Beispiel, an welcher Station sie gestartet und beendet wurde und ob der Fahrer eine Jahresmitgliedschaft hatte oder nicht, kannst du die Daten zu den Fahrradtouren viel genauer analysieren. In diesem Kapitel lernst du leistungsstarke Pandas-Funktionen kennen, wie zum Beispiel das Gruppieren und Darstellen von Ergebnissen nach Zeit.

Exercise 1: Lies Datums- und Zeitdaten in Pandas Exercise 2: Laden einer CSV-Datei in Pandas Exercise 3: Timedelta-Spalten erstellen Exercise 4: Zusammenfassung von Datums- und Zeitdaten in Pandas Exercise 5: Wie viele Spritztouren?Exercise 6: Draußen wird es kalt, W20529 Exercise 7: Mitglieder vs. Gelegenheitsfahrer im Laufe der Zeit Exercise 8: Kombinieren von groupby() und resample()Exercise 9: Weitere Datums- und Uhrzeitmethoden in Pandas

Aktuelle Übung

Exercise 10: Zeitzonen in Pandas Exercise 11: Wie lange pro Wochentag?Exercise 12: Wie viel Zeit zwischen den Fahrten?Exercise 13: Zusammenfassung