In this chapter, you’ll be introduced to date and time data types. You’ll learn how to convert text and numeric data to date and time format—and how to convert the other way around too!

Introduction to date and time data types

PostgreSQL data types

INSERT time INTO table

Working with time zone information

Find the time zones

Convert to a different time zone

Converting between date, time, and text

Casting dates

Converting dates

Converting date and times

Introduction to Date and Time Data in PostgreSQL

It’s time to get granular. In this chapter, you’ll learn how to set the granularity of your time series reports. You’ll then get to grips with adding, subtracting, and aggregating as you discover how to analyze time series data.

Manipulating the granularity of time series data

Temperatures by century

Busiest hour of day

Adding and subtracting date and time data

Calculate the age

Calculate arrival time in minutes

Calculating intervals

Aggregating time series data

Count the number of data per time series

Aggregating temperature data

Calculate yearly average temperature

Applying statistical aggregates to time series data

Calculating monthly temperature swings

Analyze data distribution

Sensor data analysis

Working with Time Series

In this chapter, you’ll work with window functions. You'll begin learning about partitions and partitioning and how they work with window functions. You'll be able to find the top items when ranking your data.

Partisi dan fungsi jendela

Tabel terpartisi

Partition by

Item teratas dengan window function

Temukan tiga nilai tertinggi per partisi

Jam paling aktif per hari untuk setiap artikel berita

Fungsi pemeringkatan

Memeringkat cuaca dingin

Peringkat cuaca panas

Persentil suhu

Using Window Functions to Analyze Time Series Data

In the final chapter, you’ll level up your skills by calculating the running total, running average, and even moving average to enhance your time series analysis.

Running total

Next station

Calculate a running total

Running total with lag

Running average

Single running average

Multi running average

Moving Average

Identifying trending news

Running average and moving average yearly temperature

Wrap-Up

Calculating Running Totals and Moving Averages

Kursus ini mengajarkan cara memanfaatkan PostgreSQL untuk menangani data tanggal dan waktu. Anda akan mempelajari fungsi dan pemanggilan untuk membantu mengurai serta memanipulasi data ini, melakukan perhitungan, dan menggunakan window function. Anda akan menerapkan teknik-teknik ini pada data dunia nyata untuk menganalisis suhu, melihat jadwal kereta, dan meninjau bagaimana popularitas artikel berita dapat berubah seiring waktu.

Kursus ini mengajarkan Anda cara memanfaatkan PostgreSQL untuk mengelola data tanggal dan waktu. Anda akan mempelajari fungsi dan panggilan yang akan membantu Anda menganalisis dan memanipulasi data ini, melakukan perhitungan, serta menggunakan fungsi jendela.
<br><br>
<h2>Bekerja dengan data deret waktu</h2>
<br><br>
Anda akan mempelajari berbagai jenis data tanggal dan waktu, cara mengonversi di antara mereka, mengatur tingkat detailnya, serta melakukan perhitungan, termasuk agregasi, partisi, dan rata-rata bergerak. Wawasan ini akan membantu Anda meningkatkan nilai data deret waktu yang sudah ada.
<br><br>
<h2>Terapkan analisis deret waktu pada data dunia nyata.</h2>
<br><br>
Anda akan menerapkan teknik-teknik ini pada data dunia nyata untuk menganalisis suhu, memeriksa jadwal kereta api, dan meninjau bagaimana popularitas artikel berita dapat berubah seiring waktu.

Joining Data in SQL

Pelajari cara menggunakan PostgreSQL untuk analisis deret waktu dan terapkan pada data nyata.

Analisis Deret Waktu di PostgreSQL

Pelajari cara menggunakan PostgreSQL untuk mengelola analisis deret waktu secara efektif dan terapkan teknik-teknik ini pada data dunia nyata.

CREATE TABLE new_stock_data_y2023m1 PARTITION OF new_stock_data

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

Tabel terpartisi

Analisis Deret Waktu di PostgreSQL

Latihan interaktif praktis