Comment utiliser les dates et heures avec pandas

Manipuler des séries temporelles en Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Fonctionnalités pour séries de dates et heures

À la base : types pour les informations de date et d’heure
- Objets pour instants et périodes
- Attributs et méthodes reflètent les détails temporels
Séquences de dates et périodes :
- Série ou colonnes de DataFrame
- Index : transforme l’objet en série temporelle
De nombreuses méthodes de Series/DataFrame exploitent l’index temporel pour offrir des fonctionnalités de séries temporelles

Brique de base : pd.Timestamp

import pandas as pd  # assumed imported going forward
from datetime import datetime  # To manually create dates

time_stamp = pd.Timestamp(datetime(2017, 1, 1))

pd.Timestamp('2017-01-01') == time_stamp

True # Comprend les dates comme chaînes

time_stamp # type: pandas.tslib.Timestamp

Timestamp('2017-01-01 00:00:00')

Brique de base : pd.Timestamp

L’objet Timestamp possède de nombreux attributs pour l’information temporelle

time_stamp.year

time_stamp.day_name()

'Sunday'

Autres briques : pd.Period et freq

period = pd.Period('2017-01')

period # default: month-end

Period('2017-01', 'M')

period.asfreq('D') # convert to daily

Period('2017-01-31', 'D')

period.to_timestamp().to_period('M')

Period('2017-01', 'M')

L’objet Period a un attribut freq pour stocker la fréquence

Convertir pd.Period() en pd.Timestamp() et inversement

Autres briques : pd.Period et freq

period + 2

Period('2017-03', 'M')

pd.Timestamp('2017-01-31', 'M') + 1

Timestamp('2017-02-28 00:00:00', freq='M')

Les infos de fréquence permettent une arithmétique de dates de base

Séquences de dates et heures

pd.date_range : start, end, periods, freq

index = pd.date_range(start='2017-1-1', periods=12, freq='M')

index

DatetimeIndex(['2017-01-31', '2017-02-28', '2017-03-31', ...,
               '2017-09-30', '2017-10-31', '2017-11-30', '2017-12-31'],
              dtype='datetime64[ns]', freq='M')

pd.DateTimeIndex : séquence d’objets Timestamp avec info de fréquence

Séquences de dates et heures

index[0]

Timestamp('2017-01-31 00:00:00', freq='M')

index.to_period()

PeriodIndex(['2017-01', '2017-02', '2017-03', '2017-04', ..., 
             '2017-11', '2017-12'], dtype='period[M]', freq='M')

Créer une série temporelle : pd.DateTimeIndex

pd.DataFrame({'data': index}).info()

RangeIndex: 12 entries, 0 to 11
Data columns (total 1 columns):
data    12 non-null datetime64[ns]
dtypes: datetime64[ns](1)

Créer une série temporelle : pd.DateTimeIndex

np.random.random :
- Nombres aléatoires : [0,1]
- 12 lignes, 2 colonnes

data = np.random.random((size=12,2))

pd.DataFrame(data=data, index=index).info()

DatetimeIndex: 12 entries, 2017-01-31 to 2017-12-31
Freq: M
Data columns (total 2 columns):
0    12 non-null float64
1    12 non-null float64
dtypes: float64(2)

Alias de fréquence et infos temporelles

ch1_1_v2 -How to use Dates & Times with pandas.036.png

Passons à la pratique !

Manipuler des séries temporelles en Python