Vítejte v kurzu!

Vizualizace dat časových řad v Pythonu

Thomas Vincent

Head of Data Science, Getty Images

Předpoklady

Časové řady v datové vědě

Časové řady jsou základním způsobem ukládání a analýzy mnoha typů dat
Finanční, meteorologická i přístrojová data se nejlépe zpracovávají jako časové řady

Časové řady v datové vědě

Příklad dat časové řady

Přehled kurzu

Kapitola 1: Začínáme a přizpůsobujeme první graf časové řady
Kapitola 2: Sumarizace a popis dat časových řad
Kapitola 3: Pokročilá analýza časových řad
Kapitola 4: Práce s více časovými řadami
Kapitola 5: Případová studie

Načítání dat pomocí Pandas

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

Náhled dat pomocí Pandas

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

Kontrola datových typů pomocí Pandas

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

Práce s daty

Pro práci s časovými řadami v pandas musí být sloupec s daty typu datetime64.

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)

Pojďme začít!

Vizualizace dat časových řad v Pythonu