<\/p>\n
Beim Resampling<\/strong> von Zeitreihendaten werden die Daten \u00fcber einen neuen Zeitraum aggregiert.<\/span><\/p>\n Wenn Sie eine Zeitreihe in Pandas mithilfe des Groupby-<\/strong> Operators erneut abtasten m\u00f6chten, k\u00f6nnen Sie die folgende grundlegende Syntax verwenden:<\/span><\/p>\n In diesem speziellen Beispiel werden die Zeilen des DataFrame nach der Store-<\/strong> Spalte gruppiert, dann wird die Zeitreihe nach Woche erneut abgetastet ( freq=’W‘<\/strong> ) und dann wird die Summe der Werte in der Verkaufsspalte<\/strong> berechnet.<\/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 mit einer Groupby-<\/strong> Operation in der Praxis erneut abgetastet werden.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der die t\u00e4glichen Gesamtverk\u00e4ufe in zwei verschiedenen Gesch\u00e4ften anzeigt:<\/span><\/p>\n Nehmen wir an, wir m\u00f6chten die Zeilen nach Filiale<\/strong> gruppieren, dann die Zeitreihe nach Woche erneut abtasten und dann die Summe der Werte in der Verkaufsspalte<\/strong> berechnen.<\/span><\/p>\n Wir k\u00f6nnen dazu die folgende Syntax verwenden:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Beachten Sie, dass wir uns in diesem Beispiel daf\u00fcr entschieden haben, die Summe der Werte in der Verkaufsspalte<\/strong> zu berechnen.<\/span><\/p>\n Wir k\u00f6nnten jedoch auch andere Metriken wie Anzahl, Durchschnitt, Median, Minimum, Maximum usw. w\u00e4hlen.<\/span><\/p>\n Ersetzen Sie einfach sum()<\/strong> im obigen Code durch count()<\/strong> , Mean()<\/strong> , Median()<\/strong> usw. um die Metrik Ihrer Wahl zu berechnen.<\/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 aggregiert. Wenn Sie eine Zeitreihe in Pandas mithilfe des Groupby- Operators erneut abtasten m\u00f6chten, k\u00f6nnen Sie die folgende grundlegende Syntax verwenden: group = df. groupby ([pd. Group (freq=‘ W ‚), ‚ store ‚]) result = group[‚ sales ‚]. sum (). unstack (‚ store ‚). […]<\/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 group = df. groupby<\/span> ([pd. Group<\/span> (freq=' W<\/span> '), ' store<\/span> '])\n\nresult = group[' sales<\/span> ']. sum<\/span> (). unstack<\/span> (' store<\/span> '). fillna<\/span> (0) \n<\/strong><\/pre>\n\n
Beispiel: Erneutes Abtasten einer Zeitreihe mit Groupby in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' sales<\/span> ': [13, 14, 17, 17, 16, 22, 28, 10, 17, 10, 11],\n ' store<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B']} ,\n index=pd. date_range<\/span> ('2023-01-06', '2023-01-16', freq='d'))\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n sales store\n2023-01-06 13 A\n2023-01-07 14 A\n2023-01-08 17 A\n2023-01-09 17 A\n2023-01-10 16A\n2023-01-11 22 B\n2023-01-12 28 B\n2023-01-13 10 B\n2023-01-14 17 B\n2023-01-15 10 B\n2023-01-16 11 B<\/strong><\/pre>\n #group by store and resample time series by week<\/span>\ngroup = df. groupby<\/span> ([pd. Group<\/span> (freq=' W<\/span> '), ' store<\/span> '])\n\n#calculate sum of sales each week by store\n<\/span>result = group[' sales<\/span> ']. sum<\/span> (). unstack<\/span> (' store<\/span> '). fillna<\/span> (0)\n\n#view results<\/span>\nprint<\/span> (result)\n\nstore AB\n2023-01-08 14.0 0.0\n2023-01-15 16.5 17.0\n2023-01-22 0.0 11.0\n<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\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":"