Wir k\u00f6nnen die folgende grundlegende Syntax verwenden, um Zeitreihendaten in Python erneut abzutasten:<\/span><\/p>\n Beachten Sie, dass wir Zeitreihendaten auf verschiedene Zeitr\u00e4ume \u00fcbertragen k\u00f6nnen, darunter:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Zeitreihendaten in der Praxis erneut abgetastet werden.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der den Gesamtumsatz zeigt, den ein Unternehmen \u00fcber einen Zeitraum von einem Jahr pro Stunde erzielt:<\/span><\/p>\n Wenn wir ein Liniendiagramm zur Visualisierung von Verkaufsdaten erstellen, w\u00fcrde es so aussehen:<\/span> <\/p>\n Dieses Diagramm ist schwer zu interpretieren, daher k\u00f6nnen wir die Verkaufsdaten nach Woche zusammenfassen:<\/span><\/p>\n Dieser neue DataFrame zeigt die Summe der Verk\u00e4ufe pro Woche.<\/span><\/p>\n Mithilfe dieser w\u00f6chentlichen Daten k\u00f6nnen wir dann ein Zeitreihendiagramm erstellen:<\/span> <\/p>\n Dieses Diagramm ist viel einfacher zu lesen, da wir nur Verkaufsdaten f\u00fcr 51 einzelne Wochen darstellen, im Gegensatz zu Verkaufsdaten f\u00fcr 8.545 einzelne Stunden im ersten Beispiel.<\/span><\/p>\n Hinweis<\/strong> : In diesem Beispiel haben wir die Verkaufsdaten nach Woche zusammengefasst, wir k\u00f6nnten sie aber auch nach Monat oder Quartal zusammenfassen, wenn wir noch weniger Datenpunkte darstellen m\u00f6chten.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere g\u00e4ngige Vorg\u00e4nge in Python ausf\u00fchren:<\/span><\/p>\n So zeichnen Sie eine Zeitreihe in Matplotlib<\/a> Beim Resampling von Zeitreihendaten werden die Daten \u00fcber einen neuen Zeitraum zusammengefasst oder aggregiert. Wir k\u00f6nnen die folgende grundlegende Syntax verwenden, um Zeitreihendaten in Python erneut abzutasten: #find sum of values in column1 by month weekly_df[‚ column1 ‚] = df[‚ column1 ‚]. resample (‚ M ‚). sum () #find mean of values in column1 by […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #find sum of values in column1 by month<\/span>\nweekly_df[' column1<\/span> '] = df[' column1<\/span> ']. resample<\/span> (' M<\/span> '). sum<\/span> ()\n\n#find mean of values in column1 by week<\/span>\nweekly_df[' column1<\/span> '] = df[' column1<\/span> ']. resample<\/span> (' W<\/span> '). mean<\/span> () \n<\/strong><\/pre>\n\n
Beispiel: Zeitreihendaten in Python erneut abtasten<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seeds<\/span> (0)\n\n#create DataFrame with hourly index\n<\/span>df = pd. DataFrame<\/span> (index= pd.date_range<\/span> (' 2020-01-06<\/span> ', ' 2020-12-27<\/span> ', freq=' h<\/span> '))\n\n#add column to show sales by hour\n<\/span>df[' sales<\/span> '] = np. random<\/span> . randint<\/span> (low=0, high=20, size= len<\/span> (df. index<\/span> ))\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n\t dirty\n2020-01-06 00:00:00 12\n2020-01-06 01:00:00 15\n2020-01-06 02:00:00 0\n2020-01-06 03:00:00 3\n2020-01-06 04:00:00 3\n<\/strong><\/pre>\n import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n<\/span>\n#plot time series data\nplt. plot<\/span> (df. index<\/span> , df. sales<\/span> , linewidth= 3<\/span> )<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/heures1.png\")
<\/p>\n #create new DataFrame\nweekly_df = pd. DataFrame<\/span> ()\n\n#create 'sales' column that summarizes total sales by week\n<\/span>weekly_df[' sales<\/span> '] = df[' sales<\/span> ']. resample<\/span> (' W<\/span> '). sum<\/span> ()\n\n#view first five rows of DataFrame\n<\/span>weekly_df. head<\/span> ()\n\n dirty\n2020-01-12 1519\n2020-01-19 1589\n2020-01-26 1540\n2020-02-02 1562\n2020-02-09 1614<\/span><\/span><\/strong><\/pre>\n import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n<\/span>\n#plot weekly sales data\nplt. plot<\/span> ( weekly_df.index<\/span> , weekly_df.sales<\/span> , linewidth= 3<\/span> )<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/fois2.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So zeichnen Sie eine Zeitreihe in Seaborn auf<\/a>
So berechnen Sie MAPE aus Zeitreihen in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"