在本章中，您将认识日期与时间数据类型。您将学习如何把文本与数值数据转换为日期与时间格式——以及如何反向转换！

日期与时间数据类型简介

PostgreSQL 数据类型

向表中 INSERT 时间

处理时区信息

查找时区

转换到其他时区

在日期、时间与文本之间转换

日期类型转换

日期转换

日期与时间的转换

PostgreSQL 中的日期与时间数据入门

现在开始更细化的分析。在本章中，您将学习如何设定时间序列报表的粒度。接着，您将掌握加、减与聚合操作，进而学会分析时间序列数据。

调整时间序列数据的粒度

按世纪汇总气温

一天中最繁忙的小时

对日期和时间数据进行加减运算

计算年龄

计算到站用时（分钟）

计算区间

聚合时间序列数据

统计每条时间序列的数据条数

聚合气温数据

计算年度平均气温

将统计聚合应用于时间序列数据

计算每月气温波动幅度

分析数据分布

传感器数据分析

时间序列数据处理

本章将与窗口函数打交道。您将从分区与分区方式入手，了解它们如何与窗口函数配合使用。您还将能够在对数据进行排名时找出排名靠前的项目。

分区与窗口函数

分区表

按 Partition 分区

使用窗口函数找出 Top 项

在每个分区中找出 3 个最高值

每篇新闻文章的最活跃小时

排名函数

为寒冷天气排名

为高温排名

温度百分位

使用窗口函数分析时间序列数据

在最后一章中，您将进一步提升技能，计算累积和、累积平均，甚至移动平均，以增强您的时间序列分析。

累计和（Running total）

下一站

计算累计总数

结合 LAG 的运行总计

Running average

单个运行平均值

多序列运行平均值

Moving Average

识别热度上升的新闻

年度气温的运行平均与移动平均

总结

计算累积值与移动平均

本课程将带您掌握在 PostgreSQL 中处理日期和时间数据的方法。您将学习用于解析与处理此类数据的函数与调用，进行各类计算，并使用窗口函数。您还会把这些技巧应用到真实数据上，分析气温、查看火车时刻表，并研究新闻文章的热度如何随时间变化。

本课程将教你如何利用 PostgreSQL 处理日期和时间数据。 你将学习函数和调用，帮助你解析和处理这些数据、进行计算，并使用窗口函数。
<br><br>
<h2>处理时间序列数据</h2>
<br><br>
你将学习各种日期和时间数据类型，以及如何在它们之间进行转换、调整其粒度，并执行计算，包括聚合、分区和移动平均。 这些洞察将帮助你为现有时间序列数据增添价值。
<br><br>
<h2>将时间序列分析应用于真实世界数据</h2>
<br><br>
你将把这些技术应用到真实世界的数据中，分析温度、查看列车时刻表，并研究新闻文章的受欢迎程度如何随时间变化。

Joining Data in SQL

学习使用PostgreSQL有效处理时间序列分析，并将这些技术应用于实际数据。

PostgreSQL 中的时间序列分析

学习如何使用 PostgreSQL 高效处理时间序列分析，并将这些技术应用于真实世界数据。

对日期和时间数据进行加减运算

Create Your Free Account