ยินดีต้อนรับสู่คอร์ส!

การแสดงภาพข้อมูล Time Series ด้วย Python

Thomas Vincent

Head of Data Science, Getty Images

พื้นฐานที่ต้องมี

Time series ในสาขา Data Science

Time series เป็นวิธีหลักในการเก็บและวิเคราะห์ข้อมูลหลายประเภท
ข้อมูลการเงิน สภาพอากาศ และอุปกรณ์ต่าง ๆ ล้วนจัดการได้ดีที่สุดในรูปแบบ time series

Time series ในสาขา Data Science

ตัวอย่างข้อมูล time series

ภาพรวมคอร์ส

บทที่ 1: เริ่มต้นและปรับแต่งกราฟ time series แรกของคุณ
บทที่ 2: การสรุปและอธิบายข้อมูล time series
บทที่ 3: การวิเคราะห์ time series ขั้นสูง
บทที่ 4: การทำงานกับ time series หลายชุด
บทที่ 5: กรณีศึกษา

การอ่านข้อมูลด้วย 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

ดูตัวอย่างข้อมูลด้วย 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

ตรวจสอบชนิดข้อมูลด้วย Pandas

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

การทำงานกับวันที่

การทำงานกับข้อมูล time series ใน pandas คอลัมน์วันที่ต้องมีชนิดเป็น 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)

มาเริ่มกันเลย!

การแสดงภาพข้อมูล Time Series ด้วย Python