Ласкаво просимо до курсу!

Візуалізація часових рядів у Python

Thomas Vincent

Head of Data Science, Getty Images

Попередні вимоги

Часові ряди в Data Science

Часові ряди — базовий спосіб зберігати й аналізувати багато типів даних
Фінансові, погодні й дані пристроїв найкраще обробляти як часові ряди

Часові ряди в Data Science

Приклад даних часового ряду

Огляд курсу

Розділ 1: Початок роботи та перший персоналізований графік часового ряду
Розділ 2: Узагальнення й опис даних часових рядів
Розділ 3: Просунутий аналіз часових рядів
Розділ 4: Робота з кількома часовими рядами
Розділ 5: Кейс-стаді

Зчитування даних у 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

Перегляд даних у 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

Перевірка типів даних у Pandas

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

Робота з датами

Щоб працювати з часовими рядами в pandas, стовпці дат мають бути типу 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)

Почнімо!

Візуалізація часових рядів у Python