Build your ultimate AI agent
รายละเอียดคอร์ส
คงไม่มีใครมีเครื่องข้ามเวลาได้ แต่จะเป็นอย่างไรถ้ามีเครื่องมือสำหรับวิเคราะห์ข้อมูลเวลา? ทันทีที่เวลาเข้ามาเกี่ยวข้องกับการวิเคราะห์ สิ่งต่าง ๆ ก็อาจซับซ้อนได้ง่าย ไม่ว่าจะเป็นขอบเขตของวันและเดือน เขตเวลา เวลาออมแสง และปัญหาอื่น ๆ อีกมากมายที่อาจทำให้สับสน หากต้องการวิเคราะห์ข้อมูลที่เกี่ยวกับเวลา Python คือเครื่องมือที่ใช่ คอร์สนี้จะใช้ชุดข้อมูลเกี่ยวกับพายุเฮอริเคนและการเดินทางด้วยจักรยาน เพื่อฝึกนับเหตุการณ์ คำนวณระยะเวลาระหว่างเหตุการณ์ และแสดงผลข้อมูลตามช่วงเวลา จะได้ฝึกทั้งใน Python มาตรฐานและใน Pandas รวมถึงรู้จักกับไลบรารี dateutil ซึ่งเป็นไลบรารีเขตเวลาเพียงตัวเดียวที่ได้รับการรับรองจากเอกสารทางการของ Python หลังจบคอร์สนี้ จะสามารถจัดการข้อมูลวันที่และเวลาในรูปแบบใดก็ได้อย่างมั่นใจ
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
วันที่และปฏิทิน
พายุเฮอริเคน (หรือที่รู้จักในชื่อไซโคลนและไต้ฝุ่น) พัดถล่มรัฐฟลอริดาของสหรัฐอเมริกาหลายครั้งต่อปี บทแรกของคอร์สนี้จะแนะนำวิธีทำงานกับออบเจกต์วันที่ใน Python โดยเริ่มจากข้อมูลวันที่ของทุกพายุเฮอริเคนที่พัดเข้าฟลอริดาตั้งแต่ปี 1950 จะได้เรียนรู้ว่า Python จัดการวันที่อย่างไร การดำเนินการทั่วไปเกี่ยวกับวันที่ และวิธีจัดรูปแบบวันที่อย่างถูกต้องเพื่อหลีกเลี่ยงความสับสน
2
การรวมวันที่และเวลา
โครงการแชร์จักรยานได้รับความนิยมอย่างแพร่หลายในเมืองต่าง ๆ ทั่วโลก และทุกเที่ยวการเดินทางล้วนถูกบันทึกไว้ ในบทนี้จะฝึกทำงานกับวันที่และเวลาร่วมกัน โดยใช้ข้อมูลการเดินทางของจักรยานคันหนึ่งในกรุงวอชิงตัน ดี.ซี. จะได้ฝึกแยกวิเคราะห์วันที่และเวลาจากข้อความ วิเคราะห์ช่วงเวลาที่มีการใช้งานสูงสุด คำนวณระยะเวลาของการเดินทาง และอีกมากมาย
3
เขตเวลาและเวลาออมแสง
ในบทนี้จะได้เรียนรู้การจัดการกับหัวข้อที่เกี่ยวกับเวลาที่มักสร้างความสับสนมากที่สุด ได้แก่ เขตเวลาและเวลาออมแสง โดยต่อยอดจากข้อมูลจักรยานเดิม จะได้เรียนรู้วิธีเปรียบเทียบเวลาในแต่ละภูมิภาคทั่วโลก การรับมือกับการปรับเวลาไปข้างหน้าและถอยหลัง รวมถึงการดึงข้อมูลเขตเวลาล่าสุดจากไลบรารี dateutil
4
ง่ายและทรงพลัง: วันที่และเวลาใน Pandas
บทสุดท้ายของคอร์สนี้จะนำความรู้ทั้งหมดเกี่ยวกับวันที่และเวลาใน Python มาตรฐานมาประยุกต์ใช้กับ Pandas โดยมีข้อมูลเพิ่มเติมเกี่ยวกับแต่ละเที่ยวการเดินทาง เช่น สถานีต้นทางและปลายทาง รวมถึงสถานะสมาชิกรายปีของผู้ขี่ ทำให้สามารถวิเคราะห์ข้อมูลการเดินทางด้วยจักรยานได้ลึกขึ้น ในบทนี้จะครอบคลุมการดำเนินการที่ทรงพลังใน Pandas เช่น การจัดกลุ่มและการแสดงผลข้อมูลตามช่วงเวลา
การทำงานกับวันที่และเวลาใน Python
เรียนจบแล้ว

