コースへようこそ！

Pythonで学ぶ時系列データの可視化

Thomas Vincent

Head of Data Science, Getty Images

前提条件

データサイエンスにおける時系列

時系列はさまざまなデータを保存・分析するための基本的な手法です
金融・気象・デバイスデータはいずれも時系列として扱うのが最適です

データサイエンスにおける時系列

時系列データの例

コース概要

第1章：はじめに・最初の時系列プロットのカスタマイズ
第2章：時系列データの要約と説明
第3章：高度な時系列分析
第4章：複数の時系列の扱い方
第5章：ケーススタディ

Pandasでデータを読み込む

import pandas as pd

df = pd.read_csv('ch2_co2_levels.csv')
print(df)

       datestamp    co2
0     1958-03-29  316.1
1     1958-04-05  317.3
2     1958-04-12  317.6
...
...
...
2281  2001-12-15  371.2
2282  2001-12-22  371.3
2283  2001-12-29  371.5

Pandasでデータをプレビューする

print(df.head(n=5))

    datestamp    co2
0  1958-03-29  316.1
1  1958-04-05  317.3
2  1958-04-12  317.6
3  1958-04-19  317.5
4  1958-04-26  316.4

print(df.tail(n=5))

       datestamp    co2
2279  2001-12-01  370.3
2280  2001-12-08  370.8
2281  2001-12-15  371.2
2282  2001-12-22  371.3
2283  2001-12-29  371.5

Pandasでデータ型を確認する

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

日付の操作

pandasで時系列データを扱うには、日付列をdatetime64型にする必要があります。

pd.to_datetime(['2009/07/31', 'test'])

ValueError: Unknown string format

pd.to_datetime(['2009/07/31', 'test'], errors='coerce')

DatetimeIndex(['2009-07-31', 'NaT'], 
    dtype='datetime64[ns]', freq=None)

さあ、始めましょう！

Pythonで学ぶ時系列データの可視化