Build your ultimate AI agent
Kursbeskrivning
En tidsmaskin får du nog aldrig – men vad sägs om ett verktyg för att analysera tid? Så fort tid ingår i en analys kan det bli komplicerat. Det är lätt att snubbla på dag- och månadsgränser, tidszoner, sommartid och allt möjligt annat som kan ställa till det för den som inte är förberedd. Ska du jobba med analyser som involverar tid är Python rätt verktyg. Med datamängder om orkaner och cykelturer går vi igenom hur du räknar händelser, beräknar tid mellan händelser och visualiserar data över tid. Du arbetar i både vanlig Python och i Pandas, och vi tar upp biblioteket dateutil – det enda tidszonsbibliotek som rekommenderas i Pythons officiella dokumentation. Efter den här kursen hanterar du datum- och tidsdata i alla format med full säkerhet.
Förkunskapskrav
Kursplan
Kursöversikt
1
Datum och kalendrar
Orkaner (även kallade cykloner eller tyfoner) drabbar den amerikanska delstaten Florida flera gånger per år. I det här kapitlet lär du dig arbeta med datumobjekt i Python, med utgångspunkt i datumen för alla orkaner som drabbat Florida sedan 1950. Du lär dig hur Python hanterar datum, vanliga datumoperationer och hur du formaterar datum på rätt sätt för att undvika förvirring.
- Datum i Python50 XP
- Vilken veckodag?100 XP
- Hur många orkaner kommer tidigt?100 XP
- Matematik med datum50 XP
- Subtrahera datum100 XP
- Räkna händelser per kalendermånad100 XP
- Sortera en lista med datum100 XP
- Omvandla datum till strängar50 XP
- Skriv ut datum i ett läsvänligt format100 XP
- Representera datum på olika sätt100 XP
2
Kombinera datum och tider
Cykeldelningsprogram har spridit sig till städer över hela världen – och som tur är registreras varje resa! Med data från en enskild cykels alla resor i Washington, D.C., får du öva på att kombinera datum och tider. Du parsar datum och tider från text, analyserar när resorna är som flest, beräknar restider och mycket mer.
3
Tidszoner och sommartid
I det här kapitlet lär du dig hantera det tidsrelaterade ämne som brukar ställa till mest problem: tidszoner och sommartid. Med fortsatt fokus på cykeldata lär du dig jämföra klockor runt om i världen, hantera övergångarna till och från sommartid på ett smidigt sätt, och hämta aktuella tidszonsdata från biblioteket dateutil.
4
Enkelt och kraftfullt: datum och tider i Pandas
Som avslutning på kursen tillämpar du allt du lärt dig om datum och tider i vanlig Python – nu i Pandas. Med ytterligare information om varje cykelresa, till exempel vilken station resan startade och slutade vid och om resenären hade ett årskort, kan du göra en djupare analys av cykeldata. I det här kapitlet tar du upp kraftfulla Pandas-operationer, till exempel att gruppera och visualisera resultat över tid.
Arbeta med datum och tider i Python
Kurs
slutförd
