Upsampling a interpolace pomocí .resample()

Manipulace s časovými řadami v Pythonu

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Metody konverze a transformace frekvence

.resample(): podobné jako .groupby()
Seskupí data v rámci období a aplikuje jednu nebo více metod na každou skupinu
Nové datum určeno offsetem – začátek, konec atd.
Upsampling: doplnění z existujících hodnot nebo interpolace
Downsampling: agregace existujících dat

Úvod: měsíční míra nezaměstnanosti

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 # bez informace o frekvenci
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

Datum výkaznictví: 1. den v měsíci

Období resampleingu a frekvenční offsety

Resample vytvoří nové datum pro frekvenční offset
Několik alternativ ke konci kalendářního měsíce

Frekvence	Alias	Ukázkové datum
Konec kalendářního měsíce	M	2017-04-30
Začátek kalendářního měsíce	MS	2017-04-01
Konec pracovního měsíce	BM	2017-04-28
Začátek pracovního měsíce	BMS	2017-04-03

Logika resampleingu

Přiřazení frekvence pomocí .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') # vytvoří objekt Resampler

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

Přiřazení frekvence pomocí .resample()

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

True

.resample(): vrátí data až po zavolání další metody

Čtvrtletní reálný růst HDP

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 # bez informace o frekvenci
dtypes: float64(1)

gdp.head(2)

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

Interpolace měsíčního reálného růstu HDP

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

Interpolace měsíčního reálného růstu HDP

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(): hledá body na přímce mezi existujícími daty

Zřetězení dvou 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

Zřetězení dvou DataFrame

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

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: zřetězení horizontálně

Graf interpolovaného reálného růstu HDP

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

Upsampling a interpolace reálného růstu HDP

Kombinace růstu HDP a nezaměstnanosti

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

Kombinace růstu HDP a nezaměstnanosti

Pojďme si procvičit!

Manipulace s časovými řadami v Pythonu