歡迎加入本課程！

使用 Python 視覺化時間序列資料

Thomas Vincent

Head of Data Science, Getty Images

先修要求

資料科學中的時間序列

時間序列是儲存與分析多種資料的基本方式
財務、天氣與裝置資料最適合用時間序列處理

資料科學中的時間序列

時間序列資料範例

課程總覽

第 1 章：入門與自訂你的第一張時間序列圖
第 2 章：摘要與描述時間序列資料
第 3 章：進階時間序列分析
第 4 章：處理多個時間序列
第 5 章：案例研究

使用 Pandas 讀取資料

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

用 Pandas 預覽資料

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

用 Pandas 檢查資料型別

print(df.dtypes)

datestamp     object
co2          float64
dtype: object

處理日期

在 pandas 中處理時間序列，日期欄位需要是 datetime64 型別。

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)

開始吧！

使用 Python 視覺化時間序列資料