Przejdź do głównej treści

Strona główna Python

Kurs

Praca z datami i czasem w Pythonie

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 11.2025

Naucz się pracować z datami i godzinami w Pythonie.

Zacznij kurs za darmo

PythonProgramming

4 godz.

14 filmów

48 Ćwiczeń

4,100 XP

78,921

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Wehikułu czasu raczej nie zdobędziesz, ale co powiesz na narzędzie do analizowania czasu? Gdy tylko czas pojawia się w analizie, sprawy potrafią się mocno skomplikować. Łatwo się potknąć o granice dni i miesięcy, strefy czasowe, czas letni i wiele innych pułapek czyhających na nieprzygotowanych. Jeśli chcesz analizować dane z komponentem czasowym, Python jest najlepszym narzędziem do tego zadania. Pracując ze zbiorami danych o huraganach i przejazdach rowerowych, nauczysz się zliczać zdarzenia, obliczać czas między nimi i wizualizować dane w czasie. Będziesz pracować zarówno w standardowym Pythonie, jak i w Pandas, a także poznasz bibliotekę dateutil – jedyną bibliotekę stref czasowych polecaną w oficjalnej dokumentacji Pythona. Po ukończeniu kursu będziesz pewnie obsługiwać dane z datami i czasem w dowolnym formacie.

Wymagania wstępne

Data Manipulation with pandas

1

Daty i kalendarze

Huragany (zwane też cyklonami lub tajfunami) nawiedzają stan Floryda kilka razy w roku. Na początku kursu nauczysz się pracować z obiektami dat w Pythonie – na przykładzie dat wszystkich huraganów, które dotknęły Florydę od 1950 roku. Poznasz sposób, w jaki Python obsługuje daty, typowe operacje na datach oraz właściwe metody formatowania dat, które pomagają uniknąć nieporozumień.

Daty w Pythonie

Który dzień tygodnia?

Ile huraganów nadchodzi wcześnie?

Działania na datach

Odejmowanie dat

Liczenie zdarzeń według miesięcy kalendarzowych

Porządkowanie listy dat

Zamiana dat na ciągi znaków

Wyświetlanie dat w czytelnym formacie

Reprezentowanie dat na różne sposoby

Zacznij rozdział

2

Łączenie dat i godzin

Systemy wypożyczalni rowerów pojawiły się w miastach na całym świecie – a każdy przejazd jest rejestrowany. Śledząc wszystkie wypożyczenia i zwroty jednego roweru w Waszyngtonie, będziesz ćwiczyć pracę z datami i godzinami jednocześnie. Nauczysz się parsować daty i godziny z tekstu, analizować godziny szczytu, obliczać czas trwania przejazdów i wiele więcej.

Daty i godziny

Ręczne tworzenie obiektów datetime

Zliczanie zdarzeń przed południem i po południu

Drukowanie i parsowanie dat i godzin

Zamiana ciągów znaków na obiekty datetime

Parsowanie par ciągów znaków jako obiektów datetime

Odtwarzanie formatu ISO za pomocą strftime()

Uniksowe znaczniki czasu

Praca z czasem trwania

Zamiana par obiektów datetime na czasy trwania

Średni czas przejazdu

Dlaczego praca z czasem bywa trudna – najdłuższe i najkrótsze przejazdy

Zacznij rozdział

3

Strefy czasowe i czas letni

W tym rozdziale pewnie zmierzysz się z tematem, który sprawia największe trudności: strefami czasowymi i czasem letnim. Kontynuując pracę z danymi o przejazdach rowerowych, nauczysz się porównywać zegary na całym świecie, sprawnie obsługiwać zmiany czasu oraz pobierać aktualne dane o strefach czasowych z biblioteki dateutil.

Przesunięcia UTC

Tworzenie obiektów datetime ze strefą czasową

Ustawianie stref czasowych

O której rower wyruszył według UTC?

Baza danych stref czasowych

Przypisywanie przejazdów rowerowych do właściwej strefy czasowej

O której rower wyruszył? (Edycja globalna)

Rozpoczęcie czasu letniego

Ile godzin upłynęło podczas zmiany czasu na letni?

29 marca przez dekadę

Koniec czasu letniego

Wyszukiwanie niejednoznacznych wartości datetime

Czyszczenie danych z uwzględnieniem czasu letniego i atrybutu fold

Zacznij rozdział

4

Prosto i skutecznie: daty i czas w Pandas

Na zakończenie kursu zastosujesz wszystko, czego nauczyłeś się o datach i czasie w standardowym Pythonie, do pracy z Pandas. Dysponując dodatkowymi informacjami o każdym przejeździe – takimi jak stacja początkowa i końcowa oraz informacja o rocznym abonamencie rowerzysty – będziesz mógł znacznie głębiej przeanalizować dane. W tym rozdziale poznasz zaawansowane operacje Pandas, takie jak grupowanie i wizualizacja wyników w czasie.

Wczytywanie danych o datach i godzinach w Pandas

Wczytywanie pliku CSV w Pandas

Tworzenie kolumn timedelta

Podsumowywanie danych datetime w Pandas

Ile jazd dla przyjemności?

Na zewnątrz robi się chłodniej, W20529

Członkowie a rowerzystki i rowerzyści okazjonalni na przestrzeni czasu

Łączenie groupby() i resample()

Dodatkowe metody datetime w Pandas

Strefy czasowe w Pandas

Jak długo trwają przejazdy w poszczególne dni tygodnia?

Ile czasu minęło między przejazdami?

Podsumowanie

Zacznij rozdział

Praca z datami i czasem w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Praca z datami i czasem w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.