Bienvenue dans le cours!

Visualiser des séries chronologiques en Python

Thomas Vincent

Head of Data Science, Getty Images

Préalables

Les séries chronologiques en science des données

Les séries chronologiques sont essentielles pour stocker et analyser de nombreux types de données
Les données financières, météo et d'appareils se traitent le mieux comme des séries chronologiques

Les séries chronologiques en science des données

Exemple de données en série chronologique

Aperçu du cours

Chapitre 1 : Bien démarrer et personnaliser votre premier graphique chronologique
Chapitre 2 : Résumer et décrire des séries chronologiques
Chapitre 3 : Analyse chronologique avancée
Chapitre 4 : Travailler avec plusieurs séries chronologiques
Chapitre 5 : Étude de cas

Lire des données avec 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

Prévisualiser des données avec 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

Vérifier les types avec Pandas

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

Travailler avec les dates

Pour travailler des séries chronologiques dans pandas, vos colonnes de dates doivent être de type 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)

Allons-y!

Visualiser des séries chronologiques en Python