Berapa lama per hari kerja?

Pandas memiliki sejumlah atribut terkait datetime di dalam accessor .dt. Banyak di antaranya sudah Anda temui sebelumnya, seperti .dt.month. Lainnya lebih praktis dan menghemat waktu dibandingkan Python standar, seperti .dt.day_name().

Latihan ini merupakan bagian dari kursus

Bekerja dengan Tanggal dan Waktu di Python

Lihat Kursus

Instruksi latihan

Tambahkan kolom baru ke rides bernama 'Ride start weekday', yang berisi hari dalam seminggu dari Start date.
Cetak median durasi perjalanan untuk setiap hari dalam seminggu.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Add a column for the weekday of the start of the ride
rides['Ride start weekday'] = rides['Start date'].____

# Print the median trip time per weekday
print(rides.____(____)['Duration'].median())

Edit dan Jalankan Kode

Latihan ini merupakan bagian dari kursus

Bekerja dengan Tanggal dan Waktu di Python

SkillTag.level.intermediateSkillTag.label

4.8+

2583 reviews

Mulai Kursus Gratis

Badai tropis (juga dikenal sebagai siklon atau topan) beberapa kali menghantam negara bagian Florida di AS setiap tahun. Untuk memulai kursus ini, Anda akan belajar cara bekerja dengan objek tanggal di Python, dimulai dari tanggal setiap badai tropis yang menghantam Florida sejak 1950. Anda akan mempelajari cara Python menangani tanggal, operasi tanggal yang umum, dan cara memformat tanggal dengan benar agar tidak menimbulkan kebingungan.

Exercise 1: Tanggal di Python Exercise 2: Hari apa dalam seminggu?Exercise 3: Berapa banyak badai datang lebih awal?Exercise 4: Operasi matematika pada tanggal Exercise 5: Mengurangkan tanggal Exercise 6: Menghitung kejadian per bulan kalender Exercise 7: Menyusun daftar tanggal Exercise 8: Mengubah tanggal menjadi string Exercise 9: Mencetak tanggal dalam format yang mudah dibaca Exercise 10: Mewakili tanggal dalam berbagai cara

Program berbagi sepeda telah menyebar di kota-kota di seluruh dunia — dan beruntung bagi kita, setiap perjalanan dicatat! Dengan seluruh data keluar-masuk satu sepeda di Washington, D.C., Anda akan berlatih mengelola tanggal dan waktu secara bersamaan. Anda akan mengurai tanggal dan waktu dari teks, menganalisis jam-jam puncak perjalanan, menghitung durasi berkendara, dan lainnya.

Exercise 1: Tanggal dan waktu Exercise 2: Membuat datetime secara manual Exercise 3: Menghitung kejadian sebelum dan sesudah tengah hari Exercise 4: Mencetak dan mengurai datetime Exercise 5: Mengubah string menjadi datetime Exercise 6: Mengurai pasangan string menjadi datetime Exercise 7: Membuat ulang format ISO dengan strftime()Exercise 8: Unix timestamps Exercise 9: Bekerja dengan durasi Exercise 10: Mengubah pasangan datetime menjadi durasi Exercise 11: Waktu perjalanan rata-rata Exercise 12: Panjang-pendeknya alasan waktu itu rumit

Di bab ini, Anda akan belajar menghadapi topik terkait waktu yang paling sering menimbulkan masalah: zona waktu dan daylight saving. Melanjutkan dengan data sepeda kita, Anda akan mempelajari cara membandingkan jam di seluruh dunia, menangani pergeseran "spring forward" dan "fall back" dengan baik, serta mendapatkan data zona waktu terbaru dari pustaka dateutil.

Exercise 1: Offset UTC Exercise 2: Membuat datetime yang sadar zona waktu Exercise 3: Mengatur zona waktu Exercise 4: Pukul berapa sepeda berangkat dalam UTC?Exercise 5: Basis data zona waktu Exercise 6: Menetapkan perjalanan sepeda ke zona waktu yang benar Exercise 7: Sepeda berangkat pukul berapa? (Edisi Global)Exercise 8: Mulainya waktu hemat siang hari Exercise 9: Berapa jam yang berlalu saat pergantian daylight saving?Exercise 10: 29 Maret, sepanjang satu dekade Exercise 11: Mengakhiri waktu musim panas (daylight saving time)Exercise 12: Menemukan datetime yang ambigu Exercise 13: Membersihkan data daylight saving dengan fold

Untuk menutup kursus ini, Anda akan menerapkan semua yang telah Anda pelajari tentang bekerja dengan tanggal dan waktu di Python standar ke dalam bekerja dengan tanggal dan waktu di Pandas. Dengan informasi tambahan tentang setiap perjalanan sepeda, seperti stasiun awal dan akhir serta apakah pengendara memiliki keanggotaan tahunan, Anda akan dapat menggali data perjalanan sepeda lebih dalam. Di bab ini, Anda akan membahas operasi Pandas yang kuat, seperti pengelompokan dan pemetaan hasil berdasarkan waktu.

Exercise 1: Membaca data tanggal dan waktu di Pandas Exercise 2: Memuat file CSV di Pandas Exercise 3: Membuat kolom timedelta Exercise 4: Merangkum data datetime di Pandas Exercise 5: Berapa banyak joyride?Exercise 6: Di luar makin dingin, W20529 Exercise 7: Perbandingan member vs pengendara kasual dari waktu ke waktu Exercise 8: Menggabungkan groupby() dan resample()Exercise 9: Metode datetime tambahan di Pandas Exercise 10: Zona waktu di Pandas Exercise 11: Berapa lama per hari kerja?

Latihan Saat Ini

Exercise 12: Berapa lama jeda antarperjalanan?Exercise 13: Ringkasan