Tracer des agrégats de vos données

Visualiser des séries temporelles en Python

Thomas Vincent

Head of Data Science, Getty Images

Moyennes mobiles

  • En analyse de séries temporelles, une moyenne mobile sert à plusieurs fins :
    • lisser les fluctuations à court terme
    • éliminer les valeurs aberrantes
    • mettre en évidence les tendances ou cycles à long terme.
Visualiser des séries temporelles en Python

Le modèle de moyenne mobile

co2_levels_mean = co2_levels.rolling(window=52).mean()

ax = co2_levels_mean.plot()
ax.set_xlabel("Date")
ax.set_ylabel("Les valeurs de mon axe Y")
ax.set_title("Moyenne mobile sur 52 semaines de ma série temporelle")

plt.show()
Visualiser des séries temporelles en Python

Courbe de la moyenne mobile pour les données de CO2

Moyenne mobile d'une série temporelle

Visualiser des séries temporelles en Python

Calculer des valeurs agrégées de votre série temporelle

co2_levels.index

DatetimeIndex(['1958-03-29', '1958-04-05',...],
              dtype='datetime64[ns]', name='datestamp', 
              length=2284, freq=None)

print(co2_levels.index.month)

array([ 3,  4,  4, ..., 12, 12, 12], dtype=int32)

print(co2_levels.index.year)

array([1958, 1958, 1958, ..., 2001,
      2001, 2001], dtype=int32)
Visualiser des séries temporelles en Python

Tracer des valeurs agrégées de votre série temporelle

index_month = co2_levels.index.month
co2_levels_by_month = co2_levels.groupby(index_month).mean()
co2_levels_by_month.plot()

plt.show()
Visualiser des séries temporelles en Python

Tracer des valeurs agrégées de votre série temporelle

Agrégats mensuels des niveaux de CO2

Visualiser des séries temporelles en Python

Passons à la pratique !

Visualiser des séries temporelles en Python

Preparing Video For Download...