We kunnen de volgende basissyntaxis gebruiken om tijdreeksgegevens in Python opnieuw te bemonsteren:<\/span><\/p>\n Houd er rekening mee dat we tijdreeksgegevens kunnen herbemonsteren naar verschillende tijdsperioden, waaronder:<\/span><\/p>\n In het volgende voorbeeld ziet u hoe u in de praktijk tijdreeksgegevens opnieuw kunt samplen.<\/span><\/p>\n Stel dat we het volgende panda’s DataFrame hebben dat de totale omzet weergeeft die elk uur door een bedrijf over een periode van \u00e9\u00e9n jaar wordt gerealiseerd:<\/span><\/p>\n Als we een lijndiagram maken om verkoopgegevens te visualiseren, zou het er als volgt uitzien:<\/span> <\/p>\n Deze grafiek is moeilijk te interpreteren, dus we kunnen de verkoopgegevens per week samenvatten:<\/span><\/p>\n Dit nieuwe DataFrame toont de som van de verkopen per week.<\/span><\/p>\n We kunnen dan een tijdreeksplot maken met behulp van deze wekelijkse gegevens:<\/span> <\/p>\n Dit diagram is veel gemakkelijker te lezen omdat we alleen verkoopgegevens voor 51 individuele weken weergeven, in tegenstelling tot verkoopgegevens voor 8.545 individuele uren in het eerste voorbeeld.<\/span><\/p>\n Opmerking<\/strong> : in dit voorbeeld hebben we de verkoopgegevens per week samengevat, maar we kunnen deze ook per maand of kwartaal samenvatten als we nog minder gegevenspunten willen weergeven.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in Python uitvoert:<\/span><\/p>\n Hoe een tijdreeks in Matplotlib te plotten<\/a> Het opnieuw bemonsteren van tijdreeksgegevens betekent het samenvatten of aggregeren van de gegevens over een nieuwe periode. We kunnen de volgende basissyntaxis gebruiken om tijdreeksgegevens in Python opnieuw te bemonsteren: #find sum of values in column1 by month weekly_df[‚ column1 ‚] = df[‚ column1 ‚]. resample (‚ M ‚). sum () #find mean of values […]<\/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":[],"class_list":["post-2364","post","type-post","status-publish","format-standard","hentry","category-gids"],"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
Voorbeeld: tijdreeksgegevens opnieuw samplen in Python<\/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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe een tijdreeks in Seaborn te plotten<\/a>
Hoe MAPE te berekenen uit tijdreeksen in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"