Upsampling & interpolasi dengan .resample()

Memanipulasi Data Deret Waktu di Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Konversi frekuensi & metode transformasi

.resample(): mirip dengan .groupby()
Mengelompokkan data dalam periode resampling dan menerapkan satu/lebih metode ke tiap grup
Tanggal baru ditentukan oleh offset: awal, akhir, dll.
Upsampling: isi dari data yang ada atau interpolasi nilai
Downsampling: agregasikan data yang ada

Mulai: tingkat pengangguran bulanan

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 # tidak ada informasi frekuensi
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

Tanggal pelaporan: hari pertama bulan

Periode resampling & offset frekuensi

Resample membuat tanggal baru untuk offset frekuensi
Ada beberapa alternatif selain akhir bulan kalender

Frekuensi	Alias	Tanggal Contoh
Akhir Bulan Kalender	M	2017-04-30
Awal Bulan Kalender	MS	2017-04-01
Akhir Bulan Kerja	BM	2017-04-28
Awal Bulan Kerja	BMS	2017-04-03

Logika resampling

Logika resampling.015.png

Logika resampling

Logika resampling.016.png

Tetapkan frekuensi dengan .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') # membuat objek Resampler

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

Tetapkan frekuensi dengan .resample()

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

True

.resample(): hanya mengembalikan data saat memanggil metode lain

Pertumbuhan PDB riil triwulanan

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 # tidak ada info frekuensi
dtypes: float64(1)

gdp.head(2)

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

Interpolasi pertumbuhan PDB riil bulanan

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

Interpolasi pertumbuhan PDB riil bulanan

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(): mencari titik pada garis lurus di antara data yang ada

Menggabungkan dua 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

Menggabungkan dua DataFrame

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

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: gabungkan secara horizontal

Plot pertumbuhan PDB riil terinterpolasi

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

ch2_3_v2 - Upsampling & Interpolation.032.png

Gabungkan pertumbuhan PDB & pengangguran

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

ch2_3_v2 - Upsampling & Interpolation.034.png

Ayo berlatih!

Memanipulasi Data Deret Waktu di Python