Build your ultimate AI agent
课程介绍
您可能永远造不出时间机器，但可以用机器来分析时间。一旦在分析中引入时间，各种问题就会变得棘手。日与月的边界、时区、夏令时，以及各种会让人困惑的细节都容易出错。若要进行任何涉及时间的分析，建议使用 Python 来理清这些问题。基于飓风和骑行数据集，我们将讲解如何统计事件、计算事件之间的时间间隔，并绘制随时间变化的数据。您将同时使用标准 Python 和 Pandas，并了解 dateutil 库——这是官方 Python 文档唯一认可的时区库。完成本课程后，您将能够自如地处理各种格式的日期和时间数据。
先修要求
课程大纲
课程大纲
1
日期与日历
飓风（也称为气旋或台风）每年多次登陆美国佛罗里达州。作为课程的开篇，您将从 1950 年以来登陆佛州的所有飓风日期入手，学习在 Python 中处理日期对象。您将了解 Python 如何表示日期、常见的日期操作，以及避免歧义的正确日期格式化方式。
2
组合日期与时间
共享单车项目正在全球各城市兴起——而且每一次出行都有记录！基于华盛顿特区一辆单车的所有借还记录，您将练习把日期与时间结合使用。您会从文本中解析日期和时间，分析出行高峰时段，计算骑行时长等。
3
时区与夏令时
本章将带您自信应对最容易出错的时间主题：时区与夏令时。延续单车数据，您将学习如何比较全球各地的时钟，如何妥善处理"春季前调"和"秋季后调"，以及如何使用 dateutil 库获取最新的时区数据。
4
简单而强大：Pandas 里的日期与时间
在课程的最后，您将把前面在标准 Python 中学到的日期与时间技巧应用到 Pandas。利用每次骑行的附加信息（例如起止站点、骑行者是否为年卡会员），您可以更深入地探索骑行数据。本章将讲解 Pandas 中强大的操作，例如按时间分组并绘制结果。
在 Python 中处理日期和时间
课程完成
