بيانات السلاسل الزمنية في الباندا

في هذا البرنامج التعليمي ، ستتعلم كيفية إعادة تشكيل بيانات السلاسل الزمنية باستخدام Pandas. يمكنك مشاهدة الفيديو الكامل لهذا البرنامج التعليمي أسفل هذه المدونة .

ما هي فكرة إعادة التشكيل؟ هذا مرتبط ببيانات السلاسل الزمنية وما سنفعله هو تغيير معدل تكرار الإبلاغ عن تلك البيانات. على سبيل المثال ، تغيير القيمة السنوية إلى شهرية أو أسبوعية ، أو تغيير بيانات كل ساعة إلى بيانات يومية. باختصار ، نحن بصدد تغيير المستوى في التسلسل الهرمي.

يمكن استخدام هذا لعدد من الأسباب مثل الحصول على اتجاهات أكثر موثوقية ، وأحجام العينات ، والموسمية . في بعض التقارير ، سيكون من المنطقي أكثر إذا استخدمنا مستوى معينًا من التسلسل الهرمي مقابل مستوى آخر.

بالإضافة إلى ذلك ، يمكن أن تساعد إعادة التشكيل إذا كان لديك مصادر بيانات مختلفة وتحتاج إلى القيام بضم بيانات السلاسل الزمنية. سيساعد هذا أيضًا عند التعامل مع عدم تطابق في التسلسل الهرمي .

لتقسيم هذا بشكل أكبر ، لدينا الاختزال والاختزال.

الاختزال هو تقليل وتيرة التقارير . يمكن أن تكون أشياء مثل التحويل من ثانية إلى ساعة من أجل الحصول على قيم أقل أو تصغير الحجم من شهر إلى ربع.

من ناحية أخرى ، فإن الاختزال هو زيادة وتيرة التقارير من مستوى الشهر وصولاً إلى اليوم . سيكون لدينا المزيد من الأمثلة على هذا لاحقًا.

جدول المحتويات

• كيفية إعادة تشكيل بيانات السلاسل الزمنية باستخدام الباندا
• استخدام Upsampling للحصول على قيم
• خاتمة

كيفية إعادة تشكيل بيانات السلاسل الزمنية باستخدام الباندا

كيف سنفعل هذا في الباندا؟

بادئ ذي بدء ، سنقوم بتغيير الفهرس إلى عمود بيانات السلاسل الزمنية . بعد ذلك ، يمكننا زيادة حجم العينة باستخدام الاستيفاء ، والذي سيملأ القيم ، ويمكننا تقليص العينة للتجميع عن طريق تجميع القيم.

دعنا ننتقل إلى Jupyter Notebook Python ونتحقق من ذلك مع Pandas.

بادئ ذي بدء ، سنستخدم Pandas عن طريق كتابة استيراد الباندا كـ pd ، متبوعًا باستيراد seaborn كـ sns لتصوره ، واستيراد matplotlib.pyplot كـ plt لتخصيص تصور Seaborn .

الشيء التالي الذي يجب فعله هو الحصول على البيانات من بيانات استيراد مجموعات البيانات vega_datasets . إنه مكان جميل للحصول على مصادر عينات. أيضًا ، سنحصل على مكتبة sp = data.sp500 () و sp.head () .

ها هي بياناتنا حتى الآن. لدينا العوائد اليومية والسعر لكل يوم.

لتعيين عمود الفهرس حتى تاريخه ، اكتب sp.set_index (['date']، inplace = True) ثم اتصل بـ sp.head مرة أخرى.

استخدام Upsampling للحصول على قيم

ثم ، للحصول على المزيد من القيم ، دعنا نستخدم الاختزال. نظرًا لأن لدينا بيانات كل يوم ، يمكننا النزول إلى الساعة باستخدام أبسط دالة وهي sp [['price']]. resample ("H"). ffill () ، ثم قم بتشغيله. H تعني الساعة ، M للشهر ، D لليوم ، وهكذا. يمكنك معرفة المزيد عن هذا في وثائق Pandas .

كما نرى ، في الأول من يناير عند منتصف الليل ، يكون السعر 1394.46 ، مثل الساعات التالية من 1:00 صباحًا إلى 4:00 صباحًا. مثال آخر هو الثاني من يناير ، حيث يكون سعر الإغلاق 1366.42.

هناك طرق أخرى للقيام بذلك حتى لو لم تكن القيمة متاحة على مستوى الساعة. أيضًا ، هناك طرق أكثر تعقيدًا من مجرد إجراء تعبئة أمامية . على سبيل المثال لدينا ، ما فعلناه هو الطريقة الأساسية للقيام باختزال الاستيفاء.

بعد ذلك ، دعنا نذهب إلى الاختزال عن طريق كتابة avg_month = sp [['price]]. resample (' M '). mean () ، ثم avg_month.head () وتشغيله للتحقق.

كما هو موضح ، يمكننا رؤية اليوم الأخير من كل شهر ومتوسط ​​السعر. يمكننا تقليل العينات للحصول على قيم أقل ، أو ما نسميه تصغير الحجم.

لتصور هذا ، دعنا نكتب إعادة رسم الأبعاد المرسومة. ثم ، تليها sns.lineplot . يعمل مخطط الخط بشكل أفضل مع محور X أطول ، بينما قيمة Y هي متوسط ​​السعر الشهري.

لنرى متوسط ​​السعر للشهر ، دعنا ندير هذا.

مرة أخرى ، هناك العديد من الطرق المختلفة التي يمكننا من خلالها القيام بذلك. على سبيل المثال ، إذا أردنا معرفة أقل سعر ربع سنوي ، فكل ما علينا فعله هو كتابة ربع_لاو ، ثم ربع_لو.هيد لتشغيله.

هناك ، يمكننا الآن رؤية أقل قيمة ربع سنوية تم العثور عليها في كل ربع سنة. هذه هي الطريقة التي تقوم بها بإعادة العينة.

معالجة البيانات المفقودة في Python باستخدام أسلوب الاستيفاء
MultiIndex في Pandas لمجموعات البيانات متعددة المستويات أو الهرمية
في الباندا مع ProfileReport | بايثون في LuckyTemplates

خاتمة

لإنهاء ذلك ، تم تصميم Pandas حقًا لإعادة أخذ عينات وبيانات السلاسل الزمنية . إذا كنت تعمل على بيانات السلاسل الزمنية ولديك مستويات مختلفة من الدقة ، فقد تكون إعادة التشكيل مفيدة للغاية.

بالإضافة إلى ذلك ، تأكد من قراءة وثائق Pandas حول طريقة إعادة العينة لتتعلم الكثير من الطرق المختلفة للقيام بذلك. لقد نظرنا إلى العناصر الأساسية ، ولكن يمكنك القيام بأشياء مثل كل أسبوعين ، وآخر يوم عمل في الشهر ، والمزيد من الخيارات لإعادة التشكيل.

أتمنى لك كل خير،

جورج ماونت