Indexación y remuestreo de series temporales

Manipulación de series temporales en Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Transformación de series temporales

Transformaciones básicas de series temporales:

Parsear fechas en string y convertir a datetime64
Seleccionar y cortar subperiodos
Definir y cambiar la frecuencia del DateTimeIndex
- Upsampling vs. Downsampling

Obteniendo precios de GOOG

google = pd.read_csv('google.csv')  # import pandas as pd

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null object
price    504 non-null float64
dtypes: float64(1), object(1)

google.head()

         date   price
0  2015-01-02  524.81
1  2015-01-05  513.87
2  2015-01-06  501.96
3  2015-01-07  501.10
4  2015-01-08  502.68

Convertir fechas string a datetime64

pd.to_datetime():
- Parsear string de fecha
- Convertir a datetime64

google.date = pd.to_datetime(google.date)

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null datetime64[ns]
price    504 non-null float64
dtypes: datetime64[ns](1), float64(1)

Convertir fechas string a datetime64

.set_index():
- Poner la fecha en el índice
- inplace:
  - no crea copia

google.set_index('date', inplace=True)

google.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 504 entries, 2015-01-02 to 2016-12-30
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

Graficar la serie temporal de Google

google.price.plot(title='Google Stock Price')

plt.tight_layout(); plt.show()

Serie temporal de precio de Google

Indexación parcial con strings

Selección/indexación con strings que se convierten en fechas

google['2015'].info() # Pasa un string para parte de la fecha

DatetimeIndex: 252 entries, 2015-01-02 to 2015-12-31
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)

google['2015-3': '2016-2'].info() # El corte incluye el último mes

DatetimeIndex: 252 entries, 2015-03-02 to 2016-02-29
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)
memory usage: 3.9 KB

Indexación parcial con strings

google.loc['2016-6-1', 'price'] # Usa fecha completa con .loc[]

734.15

.asfreq(): establecer frecuencia

.asfreq('D'):
- Convierte DateTimeIndex a frecuencia diaria (calendario)

google.asfreq('D').info() # establece frecuencia diaria de calendario

DatetimeIndex: 729 entries, 2015-01-02 to 2016-12-30
Freq: D
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): establecer frecuencia

Upsampling:
- Mayor frecuencia crea nuevas fechas => datos faltantes

google.asfreq('D').head()

             price
date              
2015-01-02  524.81
2015-01-03     NaN
2015-01-04     NaN
2015-01-05  513.87
2015-01-06  501.96

.asfreq(): restablecer frecuencia

.asfreq('B'):
- Convierte DateTimeIndex a frecuencia de días hábiles

google = google.asfreq('B') # Cambia a frecuencia de calendario

google.info()

DatetimeIndex: 521 entries, 2015-01-02 to 2016-12-30
Freq: B
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): restablecer frecuencia

google[google.price.isnull()] # Selecciona valores 'price' faltantes

            price
date             
2015-01-19    NaN
2015-02-16    NaN
...
2016-11-24    NaN
2016-12-26    NaN

Días hábiles sin operación bursátil

¡Vamos a practicar!

Manipulación de series temporales en Python