Upsampling i interpolacja z .resample()

Manipulowanie danymi szeregów czasowych w Pythonie

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Metody konwersji i transformacji częstotliwości

.resample(): podobne do .groupby()
Grupuje dane w okresie próbkowania i stosuje jedną lub kilka metod do każdej grupy
Nowa data określona przez offset – początek, koniec itd.
Upsampling: uzupełnianie istniejącymi wartościami lub interpolacja
Downsampling: agregacja istniejących danych

Wprowadzenie: miesięczna stopa bezrobocia

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 # no frequency information
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

Data raportowania: 1. dzień miesiąca

Okres próbkowania i offsety częstotliwości

Resample tworzy nową datę dla offsetu częstotliwości
Kilka alternatyw dla końca miesiąca kalendarzowego

Częstotliwość	Alias	Przykładowa data
Koniec miesiąca kal.	M	2017-04-30
Początek miesiąca kal.	MS	2017-04-01
Koniec miesiąca rob.	BM	2017-04-28
Początek miesiąca rob.	BMS	2017-04-03

Logika próbkowania

Przypisywanie częstotliwości z .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') # creates Resampler object

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

Przypisywanie częstotliwości z .resample()

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

True

.resample(): zwraca dane dopiero po wywołaniu kolejnej metody

Kwartalny realny wzrost PKB

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 # no frequency info
dtypes: float64(1)

gdp.head(2)

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

Interpolacja miesięcznego realnego wzrostu PKB

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

Interpolacja miesięcznego realnego wzrostu PKB

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(): wyznacza punkty na prostej między istniejącymi danymi

Łączenie dwóch DataFrame'ów

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

Łączenie dwóch DataFrame'ów

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

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: łączenie poziome

Wykres interpolowanego realnego wzrostu PKB

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

Upsampling i interpolacja realnego wzrostu PKB

Połączenie wzrostu PKB i bezrobocia

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

Wzrost PKB i stopa bezrobocia

Czas na ćwiczenia!

Manipulowanie danymi szeregów czasowych w Pythonie