Upsampling e interpolazione con .resample()

Elaborazione di serie temporali in Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Conversione di frequenza e metodi di trasformazione

.resample(): simile a .groupby()
Raggruppa i dati nel periodo di ricampionamento e applica uno o più metodi a ogni gruppo
Nuova data determinata dall'offset: inizio, fine, ecc.
Upsampling: riempi da valori esistenti o interpola
Downsampling: applica aggregazioni ai dati esistenti

Per iniziare: tasso di disoccupazione mensile

unrate = pd.read_csv('unrate.csv', parse_dates['Date'], index_col='Date')

unrate.info()

DatetimeIndex: 208 entries, 2000-01-01 to 2017-04-01
Data columns (total 1 columns):
UNRATE    208 non-null float64 # no frequency information
dtypes: float64(1)

unrate.head()

            UNRATE
DATE
2000-01-01     4.0
2000-02-01     4.1
2000-03-01     4.0
2000-04-01     3.8
2000-05-01     4.0

Data di rilevazione: primo giorno del mese

Periodo di ricampionamento e offset di frequenza

Resample crea nuove date in base all'offset di frequenza
Diverse alternative alla fine mese di calendario

Frequency	Alias	Sample Date
Fine mese di calendario	M	2017-04-30
Inizio mese di calendario	MS	2017-04-01
Fine mese lavorativo	BM	2017-04-28
Inizio mese lavorativo	BMS	2017-04-03

Logica del ricampionamento

ch2_3_v2 - Upsampling & Interpolation.015.png

Logica del ricampionamento

ch2_3_v2 - Upsampling & Interpolation.016.png

Assegna la frequenza con .resample()

unrate.asfreq('MS').info()

DatetimeIndex: 208 entries, 2000-01-01 to 2017-04-01
Freq: MS
Data columns (total 1 columns):
UNRATE    208 non-null float64
dtypes: float64(1)

unrate.resample('MS') # crea un oggetto Resampler

DatetimeIndexResampler [freq=<MonthBegin>, axis=0, closed=left, 
                        label=left, convention=start, base=0]

Assegna la frequenza con .resample()

unrate.asfreq('MS').equals(unrate.resample('MS').asfreq())

True

.resample(): restituisce i dati solo quando chiami un altro metodo

Crescita trimestrale del PIL reale

gdp = pd.read_csv('gdp.csv')

gdp.info()

DatetimeIndex: 69 entries, 2000-01-01 to 2017-01-01
Data columns (total 1 columns):
gpd    69 non-null float64 # no frequency info
dtypes: float64(1)

gdp.head(2)

            gpd
DATE
2000-01-01  1.2
2000-04-01  7.8

Interpola la crescita mensile del PIL reale

gdp_1 = gdp.resample('MS').ffill().add_suffix('_ffill')

       gpd_ffill
DATE
2000-01-01  1.2
2000-02-01  1.2
2000-03-01  1.2
2000-04-01  7.8

Interpola la crescita mensile del PIL reale

gdp_2 = gdp.resample('MS').interpolate().add_suffix('_inter')

            gpd_inter
DATE
2000-01-01  1.200000
2000-02-01  3.400000
2000-03-01  5.600000
2000-04-01  7.800000

.interpolate(): trova punti sulla retta tra i dati esistenti

Concatenare due DataFrame

df1 = pd.DataFrame([1, 2, 3], columns=['df1'])

df2 = pd.DataFrame([4, 5, 6], columns=['df2'])

pd.concat([df1, df2])

   df1  df2
0  1.0  NaN
1  2.0  NaN
2  3.0  NaN
0  NaN  4.0
1  NaN  5.0
2  NaN  6.0

Concatenare due DataFrame

pd.concat([df1, df2], axis=1)

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: concatena orizzontalmente

Grafica la crescita del PIL reale interpolata

pd.concat([gdp_1, gdp_2], axis=1).loc['2015':].plot()

ch2_3_v2 - Upsampling & Interpolation.032.png

Combina crescita del PIL e disoccupazione

pd.concat([unrate, gdp_inter], axis=1).plot();

ch2_3_v2 - Upsampling & Interpolation.034.png

Esercitiamoci!

Elaborazione di serie temporali in Python