資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學如何在Pandas中使用時間序列？
時間序列資料主要用於處理隨時間變化的資料。處理這些資料在時間序列資料的分析中起著非常重要的作用。Pandas是Python中一個流行的資料操作和分析庫，它提供了強大的功能來處理時間序列資料。在本文中，我們將透過示例和解釋來了解如何在Pandas中有效地利用時間序列。
利用時間序列資料的方法
在下面的方法中，我們將使用從Kaggle獲取的Electric_production時間序列資料集。你可以從此處下載資料集。
匯入和操作時間序列資料
在Pandas中使用時間序列資料時，我們需要首先匯入必要的庫並將資料載入到DataFrame中。Pandas提供各種方法從不同的來源讀取時間序列資料，包括CSV檔案、資料庫和Web API。資料載入後，Pandas提供了強大的工具來操作、清理和預處理時間序列資料。
import pandas as pd
# Load time series data from a CSV file
data = pd.read_csv('Electric_Production.csv')
# Display the first few rows of the DataFrame
print(data.head())
# Set the 'timestamp' column as the index
data['DATE'] = pd.to_datetime(data['DATE'])
data.set_index('DATE', inplace=True)
# Resample the data to a daily frequency
daily_data = data.resample('D').mean()
輸出
DATE IPG2211A2N 0 1/1/1985 72.5052 1 2/1/1985 70.6720 2 3/1/1985 62.4502 3 4/1/1985 57.4714 4 5/1/1985 55.3151
時間序列資料的索引和切片
Pandas包含各種索引和切片方法，可以從時間序列資料中提取特定時間段或觀測值。Pandas中的DateTimeIndex允許基於時間進行直觀的索引和選擇。
import pandas as pd
# Load time series data from a CSV file
data = pd.read_csv('Electric_Production.csv')
# Set the 'timestamp' column as the index
data['DATE'] = pd.to_datetime(data['DATE'])
data.set_index('DATE', inplace=True)
# Resample the data to a daily frequency
daily_data = data.resample('D').mean()
# Select data for a specific date range
subset_1 = data['2017-01-01':'2017-10-30']
print(subset_1)
# Select data for a specific month
subset_2 = data[data.index.month == 3]
print(subset_2)
# Select data for a specific year
subset_3 = data[data.index.year == 2016]
print(subset_3)
輸出
IPG2211A2N
DATE
2017-01-01 114.8505
2017-02-01 99.4901
2017-03-01 101.0396
2017-04-01 88.3530
2017-05-01 92.0805
2017-06-01 102.1532
2017-07-01 112.1538
2017-08-01 108.9312
2017-09-01 98.6154
2017-10-01 93.6137
IPG2211A2N
DATE
1985-03-01 62.4502
1986-03-01 62.2221
1987-03-01 65.6100
1988-03-01 70.2928
1989-03-01 73.3523
1990-03-01 73.1964
1991-03-01 73.3650
1992-03-01 74.5275
1993-03-01 79.4747
1994-03-01 79.2456
1995-03-01 81.2661
1996-03-01 86.9356
1997-03-01 83.0125
1998-03-01 86.5549
1999-03-01 90.7381
2000-03-01 88.0927
2001-03-01 92.8283
2002-03-01 93.2556
2003-03-01 94.5532
2004-03-01 95.4029
2005-03-01 98.9565
2006-03-01 98.4017
2007-03-01 99.1925
2008-03-01 100.4386
2009-03-01 97.8529
2010-03-01 98.2672
2011-03-01 99.1028
2012-03-01 93.5772
2013-03-01 102.9948
2014-03-01 104.7631
2015-03-01 104.4706
2016-03-01 95.3548
2017-03-01 101.0396
IPG2211A2N
DATE
2016-01-01 117.0837
2016-02-01 106.6688
2016-03-01 95.3548
2016-04-01 89.3254
2016-05-01 90.7369
2016-06-01 104.0375
2016-07-01 114.5397
2016-08-01 115.5159
2016-09-01 102.7637
2016-10-01 91.4867
2016-11-01 92.8900
2016-12-01 112.7694
處理缺失資料
時間序列資料通常包含缺失值，這可能會阻礙分析和建模。Pandas提供了幾種處理缺失資料的方法，例如插值、前向填充或後向填充。這些方法有助於確保時間序列的連續性。
import pandas as pd
# Load time series data from a CSV file
data = pd.read_csv('Electric_Production.csv')
# Display the first few rows of the DataFrame
# print(data.head())
# Set the 'timestamp' column as the index
data['DATE'] = pd.to_datetime(data['DATE'])
data.set_index('DATE', inplace=True)
# Resample the data to a daily frequency
daily_data = data.resample('D').mean()
## Interpolate missing values
data['value'] = data['value'].interpolate()
print(data.head())
# Forward-fill missing values
data['value'] = data['value'].ffill()
print(data.head())
# Backward-fill missing values
data['value'] = data['value'].bfill()
print(data.head())
輸出
value
DATE
1985-01-01 72.5052
1985-02-01 70.6720
1985-03-01 64.0717
1985-04-01 57.4714
1985-05-01 55.3151
value
DATE
1985-01-01 72.5052
1985-02-01 70.6720
1985-03-01 64.0717
1985-04-01 57.4714
1985-05-01 55.3151
value
DATE
1985-01-01 72.5052
1985-02-01 70.6720
1985-03-01 64.0717
1985-04-01 57.4714
1985-05-01 55.3151
重取樣和頻率轉換
重取樣涉及更改時間序列資料的頻率。Pandas提供用於時間序列資料上取樣（增加頻率）和下采樣（降低頻率）的方法。這允許在不同的時間間隔內聚合或插值資料。
import pandas as pd
# Load time series data from a CSV file
data = pd.read_csv('Electric_Production.csv')
# Display the first few rows of the DataFrame
# print(data.head())
# Set the 'timestamp' column as the index
data['DATE'] = pd.to_datetime(data['DATE'])
data.set_index('DATE', inplace=True)
# Resample the data to a daily frequency
daily_data = data.resample('D').mean()
print(daily_data.head())
# Resample the data to a weekly frequency, taking the mean value
weekly_data = data.resample('W').mean()
print(weekly_data.head())
# Resample the data to a monthly frequency, taking the sum value
monthly_data = data.resample('M').sum()
print(weekly_data.head())
輸出
value
DATE
1985-01-01 72.5052
1985-01-02 NaN
1985-01-03 NaN
1985-01-04 NaN
1985-01-05 NaN
value
DATE
1985-01-06 72.5052
1985-01-13 NaN
1985-01-20 NaN
1985-01-27 NaN
1985-02-03 70.6720
value
DATE
1985-01-06 72.5052
1985-01-13 NaN
1985-01-20 NaN
1985-01-27 NaN
1985-02-03 70.6720
繪製和視覺化時間序列資料
Pandas與Matplotlib（一個流行的資料視覺化庫）整合，可以輕鬆建立時間序列資料的有見地的圖表和視覺化。視覺化可以幫助理解資料中的趨勢、模式和異常。
import pandas as pd
import matplotlib.pyplot as plt
# Load time series data from a CSV file
data = pd.read_csv('Electric_Production.csv')
# Display the first few rows of the DataFrame
# print(data.head())
# Set the 'timestamp' column as the index
data['DATE'] = pd.to_datetime(data['DATE'])
data.set_index('DATE', inplace=True)
# Plot the time series data
data.plot()
plt.title('Time Series Data')
plt.xlabel('Date')
plt.ylabel('Value')
plt.show()
輸出
結論
在本文中，我們討論瞭如何使用pandas的功能來使用時間序列資料。從匯入和預處理資料到高階分析和視覺化，Pandas簡化了整個時間序列分析工作流程。透過利用本文中討論的功能，分析師和資料科學家可以獲得有價值的見解，並根據基於時間的資料做出明智的決策。
更新於：2023年7月18日
96 次瀏覽
廣告