Come ricampionare i dati delle serie temporali in python (con esempi)

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

Possiamo usare la seguente sintassi di base per ricampionare i dati delle serie temporali in Python:

 #find sum of values in column1 by month
weekly_df[' column1 '] = df[' column1 ']. resample (' M '). sum ()

#find mean of values in column1 by week
weekly_df[' column1 '] = df[' column1 ']. resample (' W '). mean () 

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.

Esempio: ricampionare i dati delle serie temporali in Python

Supponiamo di avere il seguente DataFrame panda che mostra le vendite totali effettuate ogni ora da un’azienda in un periodo di un anno:

 import pandas as pd
import numpy as np

#make this example reproducible
n.p. random . seeds (0)

#create DataFrame with hourly index
df = pd. DataFrame (index= pd.date_range (' 2020-01-06 ', ' 2020-12-27 ', freq=' h '))

#add column to show sales by hour
df[' sales '] = np. random . randint (low=0, high=20, size= len (df. index ))

#view first five rows of DataFrame
df. head ()

	             dirty
2020-01-06 00:00:00 12
2020-01-06 01:00:00 15
2020-01-06 02:00:00 0
2020-01-06 03:00:00 3
2020-01-06 04:00:00 3

Se creiamo un grafico a linee per visualizzare i dati di vendita, sarebbe simile a questo:

 import matplotlib. pyplot as plt

#plot time series data
plt. plot (df. index , df. sales , linewidth= 3 ) 

Questo grafico è di difficile interpretazione, quindi possiamo riassumere i dati di vendita per settimana:

 #create new DataFrame
weekly_df = pd. DataFrame ()

#create 'sales' column that summarizes total sales by week
weekly_df[' sales '] = df[' sales ']. resample (' W '). sum ()

#view first five rows of DataFrame
weekly_df. head ()

                dirty
2020-01-12 1519
2020-01-19 1589
2020-01-26 1540
2020-02-02 1562
2020-02-09 1614

Questo nuovo DataFrame mostra la somma delle vendite settimanali.

Possiamo quindi creare un grafico della serie temporale utilizzando questi dati settimanali:

 import matplotlib. pyplot as plt

#plot weekly sales data
plt. plot ( weekly_df.index , weekly_df.sales , linewidth= 3 ) 

Questo grafico è molto più facile da leggere perché rappresentiamo solo i dati di vendita per 51 settimane individuali, rispetto ai dati di vendita per 8.545 ore individuali nel primo esempio.

Nota : in questo esempio, abbiamo riepilogato i dati di vendita per settimana, ma potremmo anche riassumerli per mese o trimestre se desideriamo tracciare ancora meno punti dati.

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