Serielle Datumzeiten
Analytics verwendet serielle Datumzeit-Werte, um Datumswerte, Datumzeiten und Zeiten zu speichern sowie Berechnungen mit Datumzeiten durchzuführen.
Sie treffen unter Umständen auf einen seriellen Datumswert, wenn Sie mit Datumzeit-Ausdrücken arbeiten. Subtraktionen, die Zeitwerte beinhalten, geben als Ergebnis serielle Zeiten zurück.
Was ist eine serielle Datumzeit?
Serielle Datumzeiten sind Zahlen, die ganze Zahlen zur Darstellung eines Datums sowie dezimale Bruchteile von 24 Stunden zur Darstellung von Zeiten nutzen. Der Bestandteil vor dem Dezimalpunkt ist das Datum und der Teil nach dem Dezimalpunkt ist die Zeit.
| Serielle Datumzeit | Entsprechende normale Datumzeit |
|---|---|
| 42004 | 1. Januar 2015 |
| 42004,5000000 | 01 Januar 2015 12:00:00 |
| 0,7500000 | 18:00:00 |
| 42004,74618055555556 | 01 Januar 2015 17:54:30 |
Der Datumsteil
Der Datumbestandteil ist die Anzahl der Tage, die seit dem 1. Januar 1900 verstrichen sind. Ein serielles Datum von ‘1’ entspricht dem 2. Januar 1900. Ein serielles Datum von ‘0’ (Null) wird nicht gezählt. Ein serielles Datum von ‘42004’ entspricht dem 1. Januar 2015
Der Zeitteil
Der Zeitbestandteil serieller Datumzeiten verwendet 24-stündige Zeitangaben. Der serielle Zeitwert wird wie folgt berechnet:
1 / 86.400 (Sekunden eines Tages) * (bestimmter in Sekunden ausgedrückter Zeitwert)
Tipp
Man kann sich einen seriellen Zeitwert auch als Prozentsatz eines 24-Stunden-Tages vorstellen.
| Normaler Zeitwert | Serielle Zeit |
|---|---|
| 01:00:00 |
0,04166666666667 (1 Stunde, 1/24 eines 24-Stunden-Tages) |
| 08:00:00 |
0,3333333 (ein Drittel eines 24-Stunden-Tages) |
| 12:00:00 |
0,5000000 (die Hälfte eines 24-Stunden-Tages) |
| 17:54:30 |
0,74618055555556 (17 Stunden, 54 Minuten, 30 Sekunden) |
| 18:00:00 |
0,7500000 (drei Viertel eines 24-Stunden-Tages) |
Serielle Datumswerte in Analytics im Vergleich mit seriellen Datumswerten in Excel
Serielle Daten in Analytics ähneln seriellen Daten in Microsoft Excel. Sie sollten sich dabei einer wichtigen Ähnlichkeit und einem wichtigen Unterschied bewusst sein. Diese beiden Eigenschaften stehen nicht miteinander in Verbindung.
Ähnlichkeiten
Sowohl Analytics als auch Excel behandeln das Jahr 1900 als Schaltjahr mit 366 Tagen. Obwohl 1900 kein Schaltjahr war, hat Excel es als ein solches behandelt, um die Kompatibilität mit Lotus 1-2-3 zu bewahren.
Unterschiede
Serielle Daten in Analytics sind gegenüber seriellen Daten in Excel um einen Tag niedriger. In Excel entspricht der 1. Januar 1900 dem seriellen Datum „1“. In Analytics wird der 1. Januar 1900 nicht gezählt, weshalb dem 2. Januar 1900 das serielle Datum „1“ zugeordnet ist.
Serielle Datumzeit-Werte in normale Datumzeit-Werte konvertieren
Mit drei Konvertierungsfunktionen können Sie serielle Datumzeiten in normale Datumzeiten des Datentyps Datumzeit konvertieren:
- STOD( ) – Abkürzung für „Seriell in Datum (Serial to Date)“.
- STODT( ) – Abkürzung für „Seriell in Datumzeit (Serial to Datetime)“.
- STOT( ) – Abkürzung für „Seriell in Zeit (Serial to Time)“.
Sie können serielle Datumzeiten konvertieren, damit die Ergebnisse einiger Datumzeit-Ausdrücke freundlicher dargestellt werden oder um einen numerischen Wert einer seriellen Datumzeit auf den Datentyp Datumzeit umzuwandeln, damit er in einem anderen Ausdruck verwendet werden kann, der den Datentyp Datumzeit verlangt.
Die folgende Tabelle beinhaltet Beispiele der drei Funktionen.
|
Ausdruck |
Ergebnisse |
|---|---|
|
STOD(42004) |
01 Jan 2015 |
|
STODT(42004,5000000) |
01 Jan 2015 12:00:00 |
|
STOT(0,7500000) |
18:00:00 |
| STODT(42004,74618055555556) | 01 Jan 2015 17:54:30 |
|
STOT(`T173000` - `T093000`) |
08:00:00 |
Normale Datumzeit-Werte in serielle Datumzeit-Werte konvertieren
In der Regel müssen normale Datumzeit-Werte nicht in serielle Datumzeit-Werte konvertiert werden. Serielle Datumzeit-Werte werden von Analytics intern zur Speicherung und Berechnung von Datumzeit-Werten verwendet.
Wenn Sie den seriellen Datumzeit-Wert sehen möchten, der einem normalen Datumzeit-Wert entspricht, können Sie die folgenden Methoden nutzen:
|
Normaler Datumzeit-Wert |
Konvertierungsausdruck |
Entsprechender serieller Datumzeit-Wert |
|---|---|---|
|
01 Jan 2015 |
`20150101`-`19000101` |
42004 |
|
17:54:30 |
1,0000000000*((HOUR(`t175430`)*3600)+(MINUTE(`t175430`)*60)+SECOND(`t175430`))/86400 |
0,7461805556 |
