Апсемплінг і інтерполяція з .resample()

Опрацювання часових рядів у Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Перетворення частоти й методи трансформації

.resample(): подібний до .groupby()
Групує дані в межах періоду ресемплінгу й застосовує один або кілька методів до кожної групи
Нова дата визначається зсувом: початок, кінець тощо
Апсемплінг: заповнення з наявних або інтерполяція значень
Даунсемплінг: агрегація наявних даних

Початок роботи: місячне безробіття

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

Дата звіту: 1-й день місяця

Період ресемплінгу та зсуви частоти

Resample створює нову дату для зсуву частоти
Є кілька варіантів кінця місяця за календарем

Частота	Псевдонім	Приклад дати
Кінець календарного місяця	M	2017-04-30
Початок календарного місяця	MS	2017-04-01
Кінець робочого місяця	BM	2017-04-28
Початок робочого місяця	BMS	2017-04-03

Логіка ресемплінгу

Логіка ресемплінгу — приклад 1

Логіка ресемплінгу

Логіка ресемплінгу — приклад 2

Призначення частоти за допомогою .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]

Призначення частоти за допомогою .resample()

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

True

.resample(): повертає дані лише після виклику іншого методу

Квартальне зростання реального ВВП

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

Інтерполяція місячного зростання реального ВВП

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

Інтерполяція місячного зростання реального ВВП

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(): знаходить точки на прямій між наявними даними

Об'єднання двох DataFrame конкатенацією

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

Об'єднання двох DataFrame конкатенацією

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

   df1  df2
0    1    4
1    2    5
2    3    6

axis=1: конкатенувати горизонтально

Побудова графіка інтерпольованого зростання ВВП

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

Графік інтерпольованого зростання реального ВВП

Поєднати зростання ВВП і безробіття

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

Поєднання зростання ВВП і безробіття

Давайте потренуємось!

Опрацювання часових рядів у Python