0Pricing
Data Science Academy · Lektion

Zeitzonen und Datumsbereiche

Datumsangaben lokalisieren und erzeugen

Zeitzonen und Datumsbereiche ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

Time Has a Place

9 a.m. in Tokyo is not 9 a.m. in London. Real-world timestamps need a time zone so they mean the same moment everywhere. 🌍

Naive vs Aware

A timestamp with no zone is called naive. One that knows its zone is aware. Mixing the two leads to silent, painful bugs.

ts = pd.Timestamp("2024-03-15 09:00")
print(ts.tz)  # None means naive

Attach a Zone

Use tz_localize to stamp a naive time with its true zone. This says where the clock reading was actually taken.

ts = ts.tz_localize("Asia/Tokyo")

Convert Between Zones

Once aware, switch zones with tz_convert. The underlying instant stays fixed; only the displayed clock changes.

ts.tz_convert("Europe/London")

Localize, Then Convert

The golden order is localize first, convert second. tz_localize sets the origin zone; tz_convert moves it. Never convert a naive value.

s.dt.tz_localize("UTC").dt.tz_convert("US/Eastern")

UTC Is Your Anchor

Store data in UTC and convert only for display. This avoids confusion and sidesteps daylight-saving headaches entirely.

pd.to_datetime(df["ts"], utc=True)

Generate a Date Range

Need a clean sequence of dates? date_range builds one from a start, an end, and a frequency in a single call.

pd.date_range("2024-01-01", "2024-01-07")

Set the Frequency

The freq argument controls spacing: "D" for daily, "h" for hourly, "ME" for month-end. The same rules you used to resample.

pd.date_range("2024-01-01", periods=12, freq="ME")

Count Instead of End

Skip the end date and pass periods to get exactly that many steps. Handy when you know the count but not the finish.

pd.date_range("2024-01-01", periods=30, freq="D")

Ranges as an Index

A date range makes a perfect index for a complete time series, exposing missing days you can then fill or flag.

df = df.reindex(pd.date_range("2024-01-01", periods=31))

Build Date Features Fast

Pair date_range with the dt accessor to manufacture calendars, fill gaps, or label every day in a forecast horizon.

pd.date_range("2024-01-01", periods=7).day_name()

Quick Check

You have a naive timestamp and want to show it in another zone.

Recap: Zones and Ranges

You localized and converted time zones the right way, leaned on UTC as an anchor, and built clean calendars with date_range. ⏰

Häufig gestellte Fragen

Ist die Lektion „Zeitzonen und Datumsbereiche“ kostenlos?

Ja — der vollständige Text von „Zeitzonen und Datumsbereiche“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Zeitzonen und Datumsbereiche“?

Datumsangaben lokalisieren und erzeugen Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Data Science Academy zu starten?

Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.

Wie lange dauert die Lektion „Zeitzonen und Datumsbereiche“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?

Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Zeichenketten in Datetimes parsen
  2. Jahr, Monat und Wochentag extrahieren
  3. Auf Tages- oder Monatsebene resamplen
  4. Zeitzonen und Datumsbereiche
← Zurück zu Data Science Academy