Leitura de dados de data e hora no Pandas

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.

Este exercício faz parte do curso

Trabalhando com datas e horários em Python

IntermediárioNível de habilidade

4.8+

1359 reviews

Iniciar curso de graça

Os furacões (também conhecidos como ciclones ou tufões) atingem o estado da Flórida, nos EUA, várias vezes por ano. Para começar este curso, você aprenderá a trabalhar com objetos de data em Python, começando com as datas de todos os furacões que atingiram a Flórida desde 1950. Você aprenderá como o Python lida com datas, operações comuns de datas e a maneira correta de formatar datas para evitar confusão.

Exercise 1: Datas em Python Exercise 2: Em que dia da semana você está?Exercise 3: Quantos furacões chegam cedo?Exercise 4: Matemática com datas Exercise 5: Subtração de datas Exercise 6: Contagem de eventos por mês Exercise 7: Colocar uma lista de datas em ordem Exercise 8: Transformando datas em cadeias de caracteres Exercise 9: Imprimir datas em um formato amigável Exercise 10: Representação de datas de diferentes maneiras

Os programas de compartilhamento de bicicletas têm invadido cidades em todo o mundo e, felizmente para nós, cada viagem é registrada! Ao trabalhar com todas as idas e vindas de uma bicicleta em Washington, D.C., você praticará o trabalho com datas e horários. Você analisará datas e horários de textos, analisará horários de pico de viagens, calculará a duração das viagens e muito mais.

Exercise 1: Datas e horários Exercise 2: Criando datetimes manualmente Exercise 3: Contagem de eventos antes e depois do meio-dia Exercise 4: Impressão e análise de datas e horários Exercise 5: Transformando cadeias de caracteres em datas e horários Exercise 6: Analisar pares de cadeias de caracteres como datas e horários Exercise 7: Recriando o formato ISO com strftime()Exercise 8: Carimbos de data e hora Unix Exercise 9: Trabalhando com durações Exercise 10: Transformando pares de datas e horários em durações Exercise 11: Tempo médio de viagem Exercise 12: O longo e o curto prazo de por que o tempo é difícil

Neste capítulo, você aprenderá a lidar com confiança com o tópico relacionado ao horário que causa mais problemas às pessoas: fusos horários e horário de verão. Continuando com os dados da bicicleta, você aprenderá a comparar os relógios do mundo todo, a lidar com a "primavera para frente" e "outono para trás" e a obter dados atualizados de fuso horário da biblioteca dateutil.

Exercise 1: UTC compensações Exercise 2: Criação de tempos de data com reconhecimento de fuso horário Exercise 3: Definição de fusos horários Exercise 4: A que horas você saiu de bicicleta em UTC?Exercise 5: Banco de dados de fuso horário Exercise 6: Colocando as viagens de bicicleta no fuso horário correto Exercise 7: A que horas a moto partiu? (Edição global)Exercise 8: Início do horário de verão Exercise 9: Quantas horas se passaram no horário de verão?Exercise 10: 29 de março, ao longo de uma década Exercise 11: Fim do horário de verão Exercise 12: Localização de datas-horas ambíguas Exercise 13: Limpeza de dados do horário de verão com dobra

Para concluir este curso, você aplicará tudo o que aprendeu sobre como trabalhar com datas e horas no Python padrão para trabalhar com datas e horas no Pandas. Com informações adicionais sobre cada viagem de bicicleta, como a estação em que ela começou e parou e se o ciclista tinha ou não uma assinatura anual, você poderá se aprofundar muito mais nos dados da viagem de bicicleta. Neste capítulo, você abordará operações poderosas do Pandas, como agrupamento e plotagem de resultados por tempo.

Exercise 1: Leitura de dados de data e hora no Pandas

Exercício atual

Exercise 2: Carregando um arquivo csv no Pandas Exercise 3: Criação de colunas timedelta Exercise 4: Resumindo dados de data e hora no Pandas Exercise 5: Quantas viagens de carro?Exercise 6: Está ficando frio lá fora, W20529 Exercise 7: Membros versus motociclistas casuais ao longo do tempo Exercise 8: Combinando groupby() e resample()Exercise 9: Métodos adicionais de datetime no Pandas Exercise 10: Fusos horários em Pandas Exercise 11: Quanto tempo por dia da semana?Exercise 12: Quanto tempo você tem entre as viagens?Exercise 13: Resumo