Trace agregados dos seus dados

Visualizing Time Series Data in Python

Thomas Vincent

Head of Data Science, Getty Images

Médias móveis

Em séries temporais, a média móvel serve para vários fins:
- suavizar flutuações de curto prazo
- remover outliers
- destacar tendências ou ciclos de longo prazo.

O modelo de média móvel

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

ax = co2_levels_mean.plot()
ax.set_xlabel("Date")
ax.set_ylabel("The values of my Y axis")
ax.set_title("52 weeks rolling mean of my time series")

plt.show()

Gráfico da média móvel para os dados de CO2

Média móvel de uma série temporal

Calculando valores agregados da sua série temporal

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)

Traçando valores agregados da sua série temporal

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

plt.show()

Traçando valores agregados da sua série temporal

Agregados mensais dos dados de níveis de CO2

Vamos praticar!

Visualizing Time Series Data in Python