ข้ามไปยังเนื้อหาหลัก

บ้าน SQL

Courses

Time Series Analysis in PostgreSQL

ระดับกลางระดับทักษะ

อัปเดตแล้ว 11/2568

Learn how to use PostgreSQL to handle time series analysis effectively and apply these techniques to real-world data.

เริ่มเรียนหลักสูตรฟรี

SQLData Manipulation4 ชม.14 videos46 Exercises3,800 เอ็กซ์พี2,455คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

This course teaches you how to leverage PostgreSQL to handle date and time data. You'll learn about functions and calls to help you parse through and manipulate this data, make calculations, and use window functions.

Work with time series data

You’ll learn about various date and time data types and how to convert between them, manipulate their granularity, and perform calculations, including aggregations, partitioning, and running averages. These insights will help you add value to existing time series data.

Apply time series analysis to real-world data

You'll apply these techniques to real-world data to analyze temperatures, look at train schedules, and review how the popularity of news articles can change over time.

ข้อกำหนดเบื้องต้น

Joining Data in SQL

1

Introduction to Date and Time Data in PostgreSQL

In this chapter, you’ll be introduced to date and time data types. You’ll learn how to convert text and numeric data to date and time format—and how to convert the other way around too!

Introduction to date and time data types

50 เอ็กซ์พี

PostgreSQL data types

50 เอ็กซ์พี

INSERT time INTO table

100 เอ็กซ์พี

Working with time zone information

50 เอ็กซ์พี

Find the time zones

100 เอ็กซ์พี

Convert to a different time zone

100 เอ็กซ์พี

Converting between date, time, and text

50 เอ็กซ์พี

Casting dates

100 เอ็กซ์พี

Converting dates

100 เอ็กซ์พี

Converting date and times

100 เอ็กซ์พี

เริ่มบท

2

Working with Time Series

It’s time to get granular. In this chapter, you’ll learn how to set the granularity of your time series reports. You’ll then get to grips with adding, subtracting, and aggregating as you discover how to analyze time series data.

Manipulating the granularity of time series data

50 เอ็กซ์พี

Temperatures by century

100 เอ็กซ์พี

Busiest hour of day

100 เอ็กซ์พี

Adding and subtracting date and time data

50 เอ็กซ์พี

Calculate the age

50 เอ็กซ์พี

Calculate arrival time in minutes

100 เอ็กซ์พี

Calculating intervals

100 เอ็กซ์พี

Aggregating time series data

50 เอ็กซ์พี

Count the number of data per time series

100 เอ็กซ์พี

Aggregating temperature data

100 เอ็กซ์พี

Calculate yearly average temperature

100 เอ็กซ์พี

Applying statistical aggregates to time series data

50 เอ็กซ์พี

Calculating monthly temperature swings

100 เอ็กซ์พี

Analyze data distribution

100 เอ็กซ์พี

Sensor data analysis

100 เอ็กซ์พี

เริ่มบท

3

Using Window Functions to Analyze Time Series Data

In this chapter, you’ll work with window functions. You'll begin learning about partitions and partitioning and how they work with window functions. You'll be able to find the top items when ranking your data.

Partitioning and window functions

50 เอ็กซ์พี

Partitioned table

100 เอ็กซ์พี

Partition by

100 เอ็กซ์พี

Top items with window functions

50 เอ็กซ์พี

Find the three highest values per partition

100 เอ็กซ์พี

Most active hours of day per news article

100 เอ็กซ์พี

Ranking functions

50 เอ็กซ์พี

Ranking cold weather

100 เอ็กซ์พี

Ranking hot weather

100 เอ็กซ์พี

Temperature percentile

100 เอ็กซ์พี

เริ่มบท

4

Calculating Running Totals and Moving Averages

In the final chapter, you’ll level up your skills by calculating the running total, running average, and even moving average to enhance your time series analysis.

Running total

50 เอ็กซ์พี

Next station

100 เอ็กซ์พี

Calculate a running total

100 เอ็กซ์พี

Running total with lag

100 เอ็กซ์พี

Running average

50 เอ็กซ์พี

Single running average

100 เอ็กซ์พี

Multi running average

100 เอ็กซ์พี

Moving Average

50 เอ็กซ์พี

Identifying trending news

100 เอ็กซ์พี

Running average and moving average yearly temperature

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Time Series Analysis in PostgreSQL

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Time Series Analysis in PostgreSQL วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา