<\/p>\n
Ponowne pr\u00f3bkowanie<\/strong> danych szereg\u00f3w czasowych oznacza agregacj\u0119 danych w nowym okresie.<\/span><\/p>\n Je\u015bli chcesz ponownie pr\u00f3bkowa\u0107 szeregi czasowe w pandach za pomoc\u0105 operatora groupby<\/strong> , mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n Ten konkretny przyk\u0142ad grupuje wiersze ramki DataFrame wed\u0142ug kolumny sklepu<\/strong> , nast\u0119pnie ponownie pr\u00f3bkuje szereg czasowy wed\u0142ug tygodnia ( freq=’W’<\/strong> ), a nast\u0119pnie oblicza sum\u0119 warto\u015bci w kolumnie sprzeda\u017cy<\/strong> .<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce mo\u017cemy ponownie pr\u00f3bkowa\u0107 dane szereg\u00f3w czasowych do r\u00f3\u017cnych okres\u00f3w, w tym:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce ponownie pr\u00f3bkowa\u0107 dane szereg\u00f3w czasowych za pomoc\u0105 operacji grupowania<\/strong> .<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pand, kt\u00f3ra pokazuje ca\u0142kowit\u0105 sprzeda\u017c zrealizowan\u0105 ka\u017cdego dnia w dw\u00f3ch r\u00f3\u017cnych sklepach:<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce chcemy pogrupowa\u0107 wiersze wed\u0142ug sklep\u00f3w<\/strong> , nast\u0119pnie ponownie przepr\u00f3bkowa\u0107 szereg czasowy wed\u0142ug tygodni, a nast\u0119pnie obliczy\u0107 sum\u0119 warto\u015bci w kolumnie sprzeda\u017cy<\/strong> .<\/span><\/p>\n W tym celu mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni:<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce w tym przyk\u0142adzie zdecydowali\u015bmy si\u0119 obliczy\u0107 sum\u0119 warto\u015bci w kolumnie sprzeda\u017cy<\/strong> .<\/span><\/p>\n Mo\u017cemy jednak wybra\u0107 inne wska\u017aniki, takie jak liczba, \u015brednia, mediana, min, max itp.<\/span><\/p>\n Po prostu zamie\u0144 sum()<\/strong> w powy\u017cszym kodzie na count()<\/strong> , Mean()<\/strong> , Median()<\/strong> itp. aby obliczy\u0107 wybran\u0105 metryk\u0119.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje w Pythonie:<\/span><\/p>\n Jak wykre\u015bli\u0107 szereg czasowy w Matplotlib<\/a> Ponowne pr\u00f3bkowanie danych szereg\u00f3w czasowych oznacza agregacj\u0119 danych w nowym okresie. Je\u015bli chcesz ponownie pr\u00f3bkowa\u0107 szeregi czasowe w pandach za pomoc\u0105 operatora groupby , mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni: group = df. groupby ([pd. Group (freq=’ W ’), ’ store ’]) result = group[’ sales ’]. sum (). unstack (’ store ’). fillna (0) Ten […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4234","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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
Przyk\u0142ad: Pon\u00f3w pr\u00f3b\u0119 szeregu czasowego za pomoc\u0105 groupby w Pandach<\/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
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykre\u015bli\u0107 szereg czasowy w Seaborn<\/a>
Jak obliczy\u0107 MAPE z szereg\u00f3w czasowych w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"