Re-muestreo e interpolación con .resample()

Manipulación de series temporales en Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Conversión de frecuencia y métodos de transformación

.resample(): similar a .groupby()
Agrupa datos dentro del periodo y aplica uno o varios métodos a cada grupo
Nueva fecha según el desplazamiento: inicio, fin, etc.
Upsampling: rellenar desde existentes o interpolar valores
Downsampling: agregar datos existentes

Inicio: tasa de desempleo mensual

unrate = pd.read_csv('unrate.csv', parse_dates['Date'], index_col='Date')

unrate.info()

DatetimeIndex: 208 entries, 2000-01-01 to 2017-04-01
Data columns (total 1 columns):
UNRATE    208 non-null float64 # sin información de frecuencia
dtypes: float64(1)

unrate.head()

            UNRATE
DATE
2000-01-01     4.0
2000-02-01     4.1
2000-03-01     4.0
2000-04-01     3.8
2000-05-01     4.0

Fecha de referencia: día 1 de cada mes

Periodo de remuestreo y desplazamientos de frecuencia

Resample crea nuevas fechas según el desplazamiento de frecuencia
Varias alternativas al fin de mes calendario

Frecuencia	Alias	Fecha de muestra
Fin de mes calendario	M	2017-04-30
Inicio de mes	MS	2017-04-01
Fin de mes laboral	BM	2017-04-28
Inicio de mes laboral	BMS	2017-04-03

Lógica de remuestreo

Asignar frecuencia con .resample()

unrate.asfreq('MS').info()

DatetimeIndex: 208 entries, 2000-01-01 to 2017-04-01
Freq: MS
Data columns (total 1 columns):
UNRATE    208 non-null float64
dtypes: float64(1)

unrate.resample('MS') # crea un objeto Resampler

DatetimeIndexResampler [freq=<MonthBegin>, axis=0, closed=left, 
                        label=left, convention=start, base=0]

Asignar frecuencia con .resample()

unrate.asfreq('MS').equals(unrate.resample('MS').asfreq())

True

.resample(): devuelve datos solo al llamar a otro método

PIB real trimestral (crecimiento)

gdp = pd.read_csv('gdp.csv')

gdp.info()

DatetimeIndex: 69 entries, 2000-01-01 to 2017-01-01
Data columns (total 1 columns):
gpd    69 non-null float64 # sin info de frecuencia
dtypes: float64(1)

gdp.head(2)

            gpd
DATE
2000-01-01  1.2
2000-04-01  7.8

Interpolar crecimiento mensual del PIB real

gdp_1 = gdp.resample('MS').ffill().add_suffix('_ffill')

       gpd_ffill
DATE
2000-01-01  1.2
2000-02-01  1.2
2000-03-01  1.2
2000-04-01  7.8

Interpolar crecimiento mensual del PIB real

gdp_2 = gdp.resample('MS').interpolate().add_suffix('_inter')

            gpd_inter
DATE
2000-01-01  1.200000
2000-02-01  3.400000
2000-03-01  5.600000
2000-04-01  7.800000

.interpolate(): calcula puntos en la línea recta entre datos existentes

Concatenar dos DataFrames

df1 = pd.DataFrame([1, 2, 3], columns=['df1'])

df2 = pd.DataFrame([4, 5, 6], columns=['df2'])

pd.concat([df1, df2])

   df1  df2
0  1.0  NaN
1  2.0  NaN
2  3.0  NaN
0  NaN  4.0
1  NaN  5.0
2  NaN  6.0

Concatenar dos DataFrames

pd.concat([df1, df2], axis=1)

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: concatena en horizontal

Graficar crecimiento del PIB interpolado

pd.concat([gdp_1, gdp_2], axis=1).loc['2015':].plot()

ch2_3_v2 - Upsampling & Interpolation.032.png

Combinar crecimiento del PIB y desempleo

pd.concat([unrate, gdp_inter], axis=1).plot();

ch2_3_v2 - Upsampling & Interpolation.034.png

¡Vamos a practicar!

Manipulación de series temporales en Python