Indexeren en resamplen van tijdreeksen

Tijdreeksgegevens manipuleren in Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Transformatie van tijdreeksen

Basistransformaties voor tijdreeksen:

Datumstrings parsen en omzetten naar datetime64
Selecteren & slicen voor subperiodes
Frequentie van DateTimeIndex instellen/wijzigen
- Upsamplen vs downsamplen

GOOG-koersen ophalen

google = pd.read_csv('google.csv')  # import pandas as pd

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null object
price    504 non-null float64
dtypes: float64(1), object(1)

google.head()

         date   price
0  2015-01-02  524.81
1  2015-01-05  513.87
2  2015-01-06  501.96
3  2015-01-07  501.10
4  2015-01-08  502.68

Datumstrings omzetten naar datetime64

pd.to_datetime():
- Datumstring parsen
- Converteren naar datetime64

google.date = pd.to_datetime(google.date)

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null datetime64[ns]
price    504 non-null float64
dtypes: datetime64[ns](1), float64(1)

Datumstrings omzetten naar datetime64

.set_index():
- Datum naar index
- inplace:
  - geen kopie maken

google.set_index('date', inplace=True)

google.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 504 entries, 2015-01-02 to 2016-12-30
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

De tijdreeks van Google-koers plotten

google.price.plot(title='Google Stock Price')

plt.tight_layout(); plt.show()

ch1_2_v2 - Indexing & Resampling Time Series.013.png

Gedeeltelijke stringindexering

Selecteren/indexeren met strings die als datum worden geparsed

google['2015'].info() # Geef string voor deel van datum

DatetimeIndex: 252 entries, 2015-01-02 to 2015-12-31
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)

google['2015-3': '2016-2'].info() # Slice bevat laatste maand

DatetimeIndex: 252 entries, 2015-03-02 to 2016-02-29
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)
memory usage: 3.9 KB

Gedeeltelijke stringindexering

google.loc['2016-6-1', 'price'] # Gebruik volledige datum met .loc[]

734.15

.asfreq(): frequentie instellen

.asfreq('D'):
- Zet DateTimeIndex om naar kalenderdagfrequentie

google.asfreq('D').info() # stel kalenderdagfrequentie in

DatetimeIndex: 729 entries, 2015-01-02 to 2016-12-30
Freq: D
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): frequentie instellen

Upsamplen:
- Hogere frequentie geeft nieuwe datums => missende waarden

google.asfreq('D').head()

             price
date              
2015-01-02  524.81
2015-01-03     NaN
2015-01-04     NaN
2015-01-05  513.87
2015-01-06  501.96

.asfreq(): frequentie resetten

.asfreq('B'):
- Zet DateTimeIndex om naar werkdagfrequentie

google = google.asfreq('B') # Wijzig naar kalenderdagfrequentie

google.info()

DatetimeIndex: 521 entries, 2015-01-02 to 2016-12-30
Freq: B
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): frequentie resetten

google[google.price.isnull()] # Selecteer missende 'price'-waarden

            price
date             
2015-01-19    NaN
2015-02-16    NaN
...
2016-11-24    NaN
2016-12-26    NaN

Werkdagen die geen handelsdagen waren

Laten we oefenen!

Tijdreeksgegevens manipuleren in Python