I det här kapitlet introduceras du till datum- och tidsdatatyper. Du lär dig hur du konverterar text och numeriska data till datum- och tidsformat – och hur du gör det omvända.

Introduktion till datum- och tidsdatatyper

Datatyper i PostgreSQL

INSERT tid INTO tabell

Arbeta med tidszonsinformation

Hitta tidszonerna

Konvertera till en annan tidszon

Konvertering mellan datum, tid och text

Konvertera datum

Konvertera datum och tider

Introduktion till datum- och tidsdata i PostgreSQL

Nu går vi in på detaljnivå. I det här kapitlet lär du dig hur du ställer in granulariteten för dina tidsseriesrapporter. Du övar sedan på att addera, subtrahera och aggregera data när du analyserar tidsserier.

Manipulera granulariteten hos tidsseriedata

Temperaturer per sekel

Dagens mest trafikerade timmar

Addera och subtrahera datum- och tidsdata

Beräkna åldern

Beräkna ankomsttid i minuter

Beräkna intervall

Aggregera tidsseriedata

Räkna antalet datapunkter per tidsserie

Aggregera temperaturdata

Beräkna den genomsnittliga årstemperaturen

Tillämpa statistiska aggregat på tidsseriedata

Beräkna månatliga temperatursvängningar

Analysera datafördelning

Analys av sensordata

Arbeta med tidsserier

I det här kapitlet arbetar du med fönsterfunktioner. Du lär dig om partitioner och partitionering och hur de fungerar tillsammans med fönsterfunktioner. Du kommer att kunna hitta de bästa posterna när du rangordnar dina data.

Partitionering och fönsterfunktioner

Partitionerad tabell

Partition by

Toppresultat med fönsterfunktioner

Hitta de tre högsta värdena per partition

Mest aktiva timmarna per nyhetsartikel

Rankningsfunktioner

Rangordna kallt väder

Rangordna varmt väder

Temperaturpercentil

Använda fönsterfunktioner för att analysera tidsseriedata

I det sista kapitlet fördjupar du dina kunskaper genom att beräkna löpande summor, löpande medelvärden och glidande medelvärden för att förbättra din tidsserieanalys.

Löpande summa

Nästa station

Beräkna ett löpande totalt

Löpande summa med fördröjning

Löpande medelvärde

Enkel löpande medelvärdesberäkning

Löpande medelvärde för flera serier

Glidande medelvärde

Identifiera trendande nyheter

Löpande genomsnitt och glidande medelvärde för årlig temperatur

Avslutning

Beräkna löpande summor och glidande medelvärden

Den här kursen lär dig hur du använder PostgreSQL för att hantera datum- och tidsdata. Du lär dig om funktioner och anrop som hjälper dig att tolka och manipulera dessa data, göra beräkningar och använda fönsterfunktioner. Du tillämpar teknikerna på verkliga data för att analysera temperaturer, studera tågscheman och undersöka hur populariteten hos nyhetsartiklar förändras över tid.

Den här kursen lär dig hur du använder PostgreSQL för att hantera datum- och tidsdata. Du kommer att lära dig om funktioner och anrop för att hjälpa dig att analysera och manipulera dessa data, göra beräkningar och använda fönsterfunktioner.
<br><br>
<h2>Arbeta med tidsseriedata</h2>
<br><br>
Du kommer att lära dig om olika datum- och tidsdatatyper och hur du konverterar mellan dem, manipulerar deras granularitet och utför beräkningar, inklusive aggregeringar, partitionering och glidande medelvärden. Dessa insikter hjälper dig att skapa mer värde av befintliga tidsseriedata.
<br><br>
<h2>Tillämpa tidsserieanalys på verkliga data</h2>
<br><br>
Du kommer att tillämpa dessa tekniker på verkliga data för att analysera temperaturer, titta på tågtidtabeller och granska hur populariteten för nyhetsartiklar kan förändras över tid.

Joining Data in SQL

Lär dig använda PostgreSQL för tidsserieanalys och tillämpa teknikerna på verkliga data.

Tidsserieanalys i PostgreSQL

Lär dig använda PostgreSQL för att hantera tidsserieanalys effektivt och tillämpa dessa tekniker på verkliga data.

CREATE TABLE new_stock_data_y2023m1 PARTITION OF new_stock_data

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

Partitionerad tabell

Tidsserieanalys i PostgreSQL

Interaktiv övning med praktiskt arbete