建站
咨詢
售后
建站咨詢
新聞中心
本文將演示 3 個處理時間序列數(shù)據(jù)最常用的 pandas 操作
元寶網(wǎng)站建設公司創(chuàng)新互聯(lián)公司,元寶網(wǎng)站設計制作，有大型網(wǎng)站制作公司豐富經(jīng)驗。已為元寶上千多家提供企業(yè)網(wǎng)站建設服務。企業(yè)網(wǎng)站搭建\外貿網(wǎng)站建設要多少錢，請找那個售后服務好的元寶做網(wǎng)站的公司定做！
首先我們要導入需要的庫：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
本文使用的數(shù)據(jù)集非常簡單。它只有 1 列，名為 VPact (mbar)，表示氣候中的氣壓。該數(shù)據(jù)集的索引是日期時間類型：
我們也可以應用 pd.to_datetime(df.index) 來制作日期時間類型的索引。
本地化時區(qū)
- 本地化是什么意思？
本地化意味著將給定的時區(qū)更改為目標或所需的時區(qū)。這樣做不會改變數(shù)據(jù)集中的任何內容，只是日期和時間將顯示在所選擇的時區(qū)中。
- 為什么需要它？
如果你拿到的時間序列數(shù)據(jù)集是UTC格式的，而你的客戶要求你根據(jù)例如美洲時區(qū)來處理氣候數(shù)據(jù)。你就需要在將其提供給模型之前對其進行更改，因為如果您不這樣做模型將生成的結果將全部基于UTC。
- 如何修改
只需要更改數(shù)據(jù)集的索引部分
df.index = df.index.tz_localize("UTC")看看下面的結果：
數(shù)據(jù)集的索引部分發(fā)生變化。日期和時間和以前一樣，但現(xiàn)在它在最后顯示+00:00。這意味著pandas現(xiàn)在將索引識別為UTC時區(qū)的時間實例。
現(xiàn)在我們可以專注于將UTC時區(qū)轉換為我們想要的時區(qū)。
df.index = df.index.tz_convert("Asia/Qatar")現(xiàn)在我們的時區(qū)已經(jīng)改變到卡塔爾時區(qū)+03:00。
時間窗口重采樣
在本節(jié)中將研究如何根據(jù)時間間隔來預測時間序列數(shù)據(jù)。
- 這是什么意思？
這意味著收集一定范圍的目標值（在本例中為蒸氣壓讀數(shù)）并以某種方式概括它們，以便我們可以大致了解數(shù)據(jù)集中的趨勢。我們可以通過取平均值、最大值、最小值等來概括假設一次讀數(shù)的組。這里我們將5 個讀數(shù)分成一組，也就是我們所說的時間窗口
- 我們?yōu)槭裁葱枰?/li>
我將用一個例子來解釋這一點。假設客戶的問題是：
“我給你我的氣候傳感器讀數(shù)，每 10 分鐘獲取一次，我希望你告訴我每天對蒸氣壓的預測。也就是說，我想要對未來每一天的預測?！?/p>
現(xiàn)在你可能會說，這有什么大不了的？我們手上有一些讀數(shù)，每 10 分鐘讀取一次，我們只需要預測每天的氣壓。
在我們開始工作之前，讓我們先對器進行可視化：
fig, ax = plt.subplots(figsize=(15, 6))
df['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')
- 如何重采樣
現(xiàn)在，我們重新采樣數(shù)據(jù)集，并使其成為匯總數(shù)據(jù)的單行/記錄。
resampled_df = df["VPact (mbar)"].resample("1D")這可能看起來很奇怪，但它返回的是一個對象而不是一個DF。如果我們試圖運行resampled_df.head()，它會拋出一個錯誤。這是因為雖然已經(jīng)將它重新采樣為每行一天，但我們還沒有告訴它應該如何聚合一天窗口中出現(xiàn)的所有讀數(shù)。
聚合的操作包括：最大值、最小值、平均值、眾數(shù)?本文中我們取平均值。
resampled_df.mean()
# OUTPUT:
# Date Time
# 2010-01-01 00:00:00+03:00 4.386905
# 2010-01-02 00:00:00+03:00 3.954861
# 2010-01-03 00:00:00+03:00 5.435417
# 2010-01-04 00:00:00+03:00 5.129375
# 2010-01-05 00:00:00+03:00 10.372361
# Freq: D, Name: VPact (mbar), Length: 365, dtype: float64
我們還需要將其轉換為df。
resampled_df = resampled_df.mean().to_frame()
時間索引從每分鐘讀數(shù)變?yōu)槊刻?。我們再次可視?/p>
fig, ax = plt.subplots(figsize=(15, 6))
resampled_df['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')
時間間隔小了很多，顯示的也是每天的數(shù)據(jù)
填補時間空白
本節(jié)中將介紹如何填充數(shù)據(jù)中的時間間隔。
- 這是什么意思?
時間序列數(shù)據(jù)由是一段連續(xù)的時間產生的數(shù)據(jù)組成。如果在數(shù)據(jù)集中有一些缺失的數(shù)據(jù)會就會在時間間隔上產生裂縫
- 為什么需要它?
如果給模型提供有空白的數(shù)據(jù)，模型會立即崩潰，這是我們不想看到的。
讓我們假設我們的數(shù)據(jù)集有一些空值序列。數(shù)據(jù)集看起來像這樣:
fig, ax = plt.subplots(figsize=(15, 6))
df_with_gap['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')
- 如何填充空白
我們嘗試各種各樣的值來填補這一空白。但是沒有一個是標準，因為所有的填充值都只是對實際值的廣義猜測。
在這個的例子中，我只展示其中一種填充方法，其他的方法都與其類似。這里將使用正向填充法。這個方法遍歷我數(shù)據(jù)集，并獲取它在遇到空白之前讀取的最后一個值，并用最后一個值填充整個空白。這個方法雖然簡單，但在很多情況下還是有用的。
df_with_gap = df_with_gap['VPact (mbar)'].fillna(method="ffill")
我們還將它轉換成一個DF。
df_with_gap = df_with_gap.to_frame()
現(xiàn)在讓我們看看數(shù)據(jù)集。應該看一條完整的線，并且不包含空白的空間。
fig, ax = plt.subplots(figsize=(15, 6))
df_with_gap['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')
缺失的數(shù)據(jù)現(xiàn)在已經(jīng)被補齊了。
總結
以上就是3個常用的時間數(shù)據(jù)處理的操作，希望對你有幫助。
本文源代碼
??https://www.kaggle.com/code/muhammadhammad02/wrangling-concepts-with-time-series-data??
當前標題：三個用于時間序列數(shù)據(jù)整理的Pandas函數(shù)
瀏覽路徑：http://www.dlmjj.cn/article/coeccso.html
