Indexação e reamostragem de séries temporais

Manipulando dados de séries temporais em Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Transformação de séries temporais

Transformações básicas em séries temporais incluem:

Fazer parse de datas e converter para datetime64
Selecionar e fatiar subperíodos
Definir e mudar a frequência do DateTimeIndex
- Upsampling vs. Downsampling

Obtendo preços da ação da 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

Convertendo datas string para datetime64

pd.to_datetime():
- Fazer parse da string de data
- Converter para 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)

Convertendo datas string para datetime64

.set_index():
- Coloca a data no índice
- inplace:
  - não cria cópia

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)

Plotando a série da ação da Google

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

plt.tight_layout(); plt.show()

Série temporal do preço da ação da Google

Indexação parcial por string

Seleção/indexação com strings que viram datas

google['2015'].info() # Passe parte da data como string

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() # O slice inclui o último mês

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

Indexação parcial por string

google.loc['2016-6-1', 'price'] # Use data completa com .loc[]

734.15

.asfreq(): definir frequência

.asfreq('D'):
- Converte DateTimeIndex para frequência diária

google.asfreq('D').info() # definir frequência diária

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(): definir frequência

Upsampling:
- Frequência maior cria novas datas => dados ausentes

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(): redefinir frequência

.asfreq('B'):
- Converte DateTimeIndex para dias úteis

google = google.asfreq('B') # Mudar para frequência diária

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(): redefinir frequência

google[google.price.isnull()] # Seleciona valores ausentes de 'price'

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

Dias úteis que não tiveram negociação

Vamos praticar!

Manipulando dados de séries temporais em Python