Panda: come ricampionare le serie temporali con groupby()

Ricampionare i dati delle serie temporali significa aggregare i dati in un nuovo periodo.

Se desideri ricampionare una serie temporale in panda utilizzando l’operatore groupby , puoi utilizzare la seguente sintassi di base:

 group = df. groupby ([pd. Group (freq=' W '), ' store '])

result = group[' sales ']. sum (). unstack (' store '). fillna (0) 

Questo particolare esempio raggruppa le righe del DataFrame per colonna negozio , quindi ricampiona le serie temporali per settimana ( freq=’W’ ), quindi calcola la somma dei valori nella colonna vendite .

Tieni presente che possiamo ricampionare i dati delle serie temporali in periodi di tempo diversi, tra cui:

• S : Secondi
• min : minuti
• H : Ore
• J :Giorno
• W : Settimana
• M : Mese
• D : Un quarto
• R : Anno

L’esempio seguente mostra come ricampionare nella pratica i dati delle serie temporali con un’operazione groupby .

Esempio: ricampionare una serie temporale con groupby in Pandas

Supponiamo di avere il seguente DataFrame panda che mostra le vendite totali effettuate ogni giorno in due negozi diversi:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' sales ': [13, 14, 17, 17, 16, 22, 28, 10, 17, 10, 11],
                   ' store ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B']} ,
                   index=pd. date_range ('2023-01-06', '2023-01-16', freq='d'))

#view DataFrame
print (df)

            sales store
2023-01-06 13 A
2023-01-07 14 A
2023-01-08 17 A
2023-01-09 17 A
2023-01-10 16A
2023-01-11 22 B
2023-01-12 28 B
2023-01-13 10 B
2023-01-14 17 B
2023-01-15 10 B
2023-01-16 11 B

Diciamo che vogliamo raggruppare le righe per negozio , quindi ricampionare le serie temporali per settimana, quindi calcolare la somma dei valori nella colonna delle vendite .

Possiamo usare la seguente sintassi per fare questo:

 #group by store and resample time series by week
group = df. groupby ([pd. Group (freq=' W '), ' store '])

#calculate sum of sales each week by store
result = group[' sales ']. sum (). unstack (' store '). fillna (0)

#view results
print (result)

store AB
2023-01-08 14.0 0.0
2023-01-15 16.5 17.0
2023-01-22 0.0 11.0

Dal risultato possiamo vedere:

• La somma delle vendite per la settimana terminata il 01/08/2023 nel negozio A è 14 .
• La somma delle vendite per la settimana terminata il 01/08/2023 nel negozio B è 0 .

E così via.

Da notare che in questo esempio abbiamo scelto di calcolare la somma dei valori presenti nella colonna vendite .

Tuttavia, potremmo scegliere altri parametri come conteggio, media, mediana, minimo, massimo, ecc.

Sostituisci semplicemente sum() nel codice sopra con count() , Mean() , Median() , ecc. per calcolare la metrica di tua scelta.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:

Come tracciare una serie temporale in Matplotlib
Come tracciare una serie temporale in Seaborn
Come calcolare MAPE dalle serie temporali in Python