Tracer des agrégats de vos données

Visualiser des séries chronologiques en Python

Thomas Vincent

Head of Data Science, Getty Images

Moyennes mobiles

En analyse de séries chronologiques, la moyenne mobile sert à :
- lisser les fluctuations à court terme
- éliminer les valeurs aberrantes
- mettre en évidence les tendances ou cycles à long terme.

Le modèle à moyenne mobile

co2_levels_mean = co2_levels.rolling(window=52).mean()

ax = co2_levels_mean.plot()
ax.set_xlabel("Date")
ax.set_ylabel("The values of my Y axis")
ax.set_title("52 weeks rolling mean of my time series")

plt.show()

Courbe de la moyenne mobile pour les données de CO2

Moyenne mobile d'une série chronologique

Calculer des valeurs agrégées de votre série chronologique

co2_levels.index

DatetimeIndex(['1958-03-29', '1958-04-05',...],
              dtype='datetime64[ns]', name='datestamp', 
              length=2284, freq=None)

print(co2_levels.index.month)

array([ 3,  4,  4, ..., 12, 12, 12], dtype=int32)

print(co2_levels.index.year)

array([1958, 1958, 1958, ..., 2001,
      2001, 2001], dtype=int32)

Tracer des valeurs agrégées de votre série chronologique

index_month = co2_levels.index.month
co2_levels_by_month = co2_levels.groupby(index_month).mean()
co2_levels_by_month.plot()

plt.show()

Tracer des valeurs agrégées de votre série chronologique

Agrégats mensuels des niveaux de CO2

Passons à la pratique !

Visualiser des séries chronologiques en Python