증분 데이터 준비 및 시각화

Python으로 IoT 데이터 분석하기

Matthias Voppichler

IT Developer

데이터 준비

데이터 피벗
리샘플링
diff() 적용
pct_change() 적용

데이터 구조

print(data.head())

                timestamp device   value
0 2018-10-26 06:30:42.817   C331  6020.0
1 2018-10-26 06:30:43.083   M640   104.0
2 2018-10-26 06:31:00.858   M640   126.0
3 2018-10-26 06:31:10.254   C331  6068.0
4 2018-10-26 06:31:10.474   M640   136.0

피벗 테이블

피벗 테이블 설명 플롯

피벗 테이블 적용

                timestamp device   value
0 2018-10-26 06:30:42.817   C331  6020.0
1 2018-10-26 06:30:43.083   M640   104.0
2 2018-10-26 06:31:00.858   M640   126.0
3 2018-10-26 06:31:10.254   C331  6068.0
4 2018-10-26 06:31:10.474   M640   136.0

data = pd.pivot_table(data, columns="device", values="value", index="timestamp")
print(data.head()

device                     C331   M640
timestamp                             
2018-10-26 06:30:42.817  6020.0    NaN
2018-10-26 06:30:43.083     NaN  104.0
2018-10-26 06:31:00.858     NaN  126.0
2018-10-26 06:31:10.254  6068.0    NaN
2018-10-26 06:31:10.474     NaN  136.0

리샘플링

# 1분으로 리샘플링
df = data.resample("1min").max().dropna()
print(df.head())

device                 C331   M640
timestamp                         
2018-10-26 06:30:00  6020.0  104.0
2018-10-26 06:31:00  6129.0  180.0
2018-10-26 06:32:00  6205.0  256.0
2018-10-26 06:33:00  6336.0  332.0
2018-10-26 06:34:00  6431.0  402.0

데이터 시각화

data.plot()
plt.show()

pd.diff()

# 차분
df_diff = data.diff(1)
df_diff.plot()
plt.show()

데이터 분석 - 차분

# 차분
df_diff = data.diff()
df_diff.plot()
plt.show()

# 리샘플링 후 차분
df = data.resample('30min').max()
df_diff = df.diff()
df_diff.plot()
plt.show()

변화율

df_pct = df_diff.pct_change()
df_pct.plot()

Let's Practice

Python으로 IoT 데이터 분석하기