Tendances dans le temps

Analyse exploratoire de données en Python

Izzy Weber

Curriculum Manager, DataCamp

Tendances dans le temps

divorce = pd.read_csv("divorce.csv")
divorce.head()

  marriage_date  marriage_duration
0    2000-06-26                5.0
1    2000-02-02                2.0
2    1991-10-09                10.0
3    1993-01-02                10.0
4    1998-12-11                7.0
Analyse exploratoire de données en Python

Importer des données DateTime

  • Les données DateTime doivent être déclarées explicitement à Pandas

 

divorce.dtypes

marriage_date         object
marriage_duration    float64
dtype: object
Analyse exploratoire de données en Python

Importer des données DateTime

divorce = pd.read_csv("divorce.csv", parse_dates=["marriage_date"])
divorce.dtypes

marriage_date        datetime64[ns]
marriage_duration           float64
dtype: object
Analyse exploratoire de données en Python

Convertir en données DateTime

  • pd.to_datetime() convertit ses arguments en données DateTime

 

divorce["marriage_date"] = pd.to_datetime(divorce["marriage_date"])
divorce.dtypes

marriage_date        datetime64[ns]
marriage_duration           float64
dtype: object
Analyse exploratoire de données en Python

Créer des données DateTime

divorce.head(2)

   month  day  year  marriage_duration 
0      6   26  2000                5.0 
1      2    2  2000                2.0

divorce["marriage_date"] = pd.to_datetime(divorce[["month", "day", "year"]])
divorce.head(2)

    month  day  year  marriage_duration  marriage_date 

 0      6   26  2000                5.0     2000-06-26 
 1      2    2  2000                2.0     2000-02-02
Analyse exploratoire de données en Python

Créer des données DateTime

  • Extraire des composantes d'une date avec les attributs dt.month, dt.day et dt.year
divorce["marriage_month"] = divorce["marriage_date"].dt.month
divorce.head()

    marriage_date  marriage_duration  marriage_month 
 0     2000-06-26                5.0               6 
 1     2000-02-02                2.0               2 
 2     1991-10-09               10.0              10 
 3     1993-01-02               10.0               1 
 4     1998-12-11                7.0              12
Analyse exploratoire de données en Python

Visualiser les tendances dans le temps

sns.lineplot(data=divorce, x="marriage_month", y="marriage_duration")
plt.show()

Un graphique linéaire montrant la relation entre le mois du mariage et la durée du mariage

Analyse exploratoire de données en Python

Passons à la pratique !

Analyse exploratoire de données en Python

Preparing Video For Download...