Synthétiser les valeurs de vos séries temporelles

Visualiser des séries temporelles en Python

Thomas Vincent

Head of Data Science, Getty Images

Obtenir des résumés numériques de vos données

Quelle est la valeur moyenne de ces données ?
Quelle est la valeur maximale observée dans cette série temporelle ?

La méthode .describe() calcule automatiquement les statistiques clés de toutes les colonnes numériques de votre DataFrame

print(df.describe())

               co2
count  2284.000000
mean    339.657750
std      17.100899
min     313.000000
25%     323.975000
50%     337.700000
75%     354.500000
max     373.900000

Résumer vos données avec des boxplots

ax1 = df.boxplot()
ax1.set_xlabel('Votre premier boxplot')
ax1.set_ylabel('Valeurs de vos données')
ax1.set_title('Boxplot des valeurs de vos données')

plt.show()

Un boxplot des valeurs des données de CO2

Boxplot de votre série temporelle

Résumer vos données avec des histogrammes

ax2 = df.plot(kind='hist', bins=100)
ax2.set_xlabel('Votre premier histogramme')
ax2.set_ylabel('Fréquence des valeurs de vos données')
ax2.set_title('Histogramme de vos données avec 100 classes')

plt.show()

Un histogramme des valeurs des données de CO2

Histogramme avec 100 classes

Résumer vos données avec des graphiques de densité

ax3 = df.plot(kind='density', linewidth=2)
ax3.set_xlabel('Votre premier graphique de densité')
ax3.set_ylabel('Valeurs de densité de vos données')
ax3.set_title('Graphique de densité de vos données')

plt.show()

Un graphique de densité des valeurs des données de CO2

Graphique de densité de vos données

Passons à la pratique !

Visualiser des séries temporelles en Python