<\/p>\n
Reamostrar<\/strong> dados de s\u00e9ries temporais significa agregar os dados durante um novo per\u00edodo.<\/span><\/p>\n Se quiser reamostrar uma s\u00e9rie temporal em pandas usando o operador groupby<\/strong> , voc\u00ea pode usar a seguinte sintaxe b\u00e1sica:<\/span><\/p>\n Este exemplo espec\u00edfico agrupa as linhas do DataFrame por coluna de loja<\/strong> , depois faz uma nova amostragem da s\u00e9rie temporal por semana ( freq=’W’<\/strong> ) e calcula a soma dos valores na coluna de vendas<\/strong> .<\/span><\/p>\n Observe que podemos reamostrar dados de s\u00e9ries temporais para diferentes per\u00edodos de tempo, incluindo:<\/span><\/p>\n O exemplo a seguir mostra como reamostrar dados de s\u00e9rie temporal com uma opera\u00e7\u00e3o groupby<\/strong> na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas que mostra o total de vendas realizadas a cada dia em duas lojas diferentes:<\/span><\/p>\n Digamos que queremos agrupar as linhas por loja<\/strong> , depois reamostrar a s\u00e9rie temporal por semana e, em seguida, calcular a soma dos valores na coluna de vendas<\/strong> .<\/span><\/p>\n Podemos usar a seguinte sintaxe para fazer isso:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n E assim por diante.<\/span><\/p>\n Observe que neste exemplo optamos por calcular a soma dos valores da coluna vendas<\/strong> .<\/span><\/p>\n No entanto, poder\u00edamos escolher outras m\u00e9tricas, como contagem, m\u00e9dia, mediana, m\u00ednimo, m\u00e1ximo, etc.<\/span><\/p>\n Simplesmente substitua sum()<\/strong> no c\u00f3digo acima por count()<\/strong> , Mean()<\/strong> , Median()<\/strong> , etc. para calcular a m\u00e9trica de sua escolha.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em Python:<\/span><\/p>\n Como tra\u00e7ar uma s\u00e9rie temporal no Matplotlib<\/a> Reamostrar dados de s\u00e9ries temporais significa agregar os dados durante um novo per\u00edodo. Se quiser reamostrar uma s\u00e9rie temporal em pandas usando o operador groupby , voc\u00ea pode usar a seguinte sintaxe b\u00e1sica: 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":[],"class_list":["post-4235","post","type-post","status-publish","format-standard","hentry","category-guia"],"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
Exemplo: Reamostrar uma s\u00e9rie temporal com groupby no 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
Recursos adicionais<\/strong><\/span><\/h2>\n
Como tra\u00e7ar uma s\u00e9rie temporal em Seaborn<\/a>
Como calcular MAPE a partir de s\u00e9ries temporais em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"