Cara Mudah Menguras Data Siri Masa LuckyTemplates

Blog ini akan mengajar anda cara memecahkan data siri masa LuckyTemplates kepada komponen penting. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini .

Data siri masa ada di mana-mana, daripada ukuran kadar denyutan jantung kepada harga unit barangan kedai, malah dalam model saintifik. Memecahkan data ini kepada bahagian penting boleh memberi manfaat, terutamanya dalam menyediakan carta laporan dan pembentangan.

Kaedah penguraian siri masa blog ini akan membantu anda mencari cara yang lebih baik untuk mempersembahkan data apabila menerangkan arah aliran, bermusim atau peristiwa yang tidak dijangka. Ia juga merupakan batu loncatan yang bagus untuk membuat ramalan dalam LuckyTemplates .

Isi kandungan

• Jenis-jenis Graf
• Set Data Siri Masa LuckyTemplates
• Skrip Python
• LuckyTemplates Time Series Seasonal Decompose
• Mencipta Visual dengan Data Siri Masa LuckyTemplates
• Kemusim
• Sisa
• Tidak Menetapkan Semula Indeks
• Kesimpulan

Jenis-jenis Graf

Dalam imej di atas terdapat beberapa graf, termasuk  Actuals ,  Trends ,  Seasonality , dan  Noise . Salah satu perkara terbaik tentang visual ini ialah terdapat penurunan dalam setiap graf .

Ciri ini boleh berguna apabila anda ingin menyerlahkan faktor penting tertentu yang mempengaruhi arah aliran, seperti pendapatan dan pekerjaan dalam arah aliran pembelian pengguna. 

Perkara yang sama berlaku untuk menentukan corak bermusim , di mana mereka boleh menerangkan pergerakan pertumbuhan bulanan atau suku tahunan syarikat.

Mereka juga sangat baik untuk menentukan turun naik data seperti tahap sisa hingar untuk kajian saintifik dan seumpamanya. Sebagai contoh, kita boleh melihat dalam graf di bawah peningkatan tahap baki untuk sepuluh tahun yang lalu, yang memberi kita sedikit cerapan tentang arah aliran yang berpotensi.

Memahami pergerakan data yang kompleks sepanjang tempoh yang panjang adalah lebih mudah apabila anda membentangkannya melalui graf di atas. Mencerna semua maklumat dan mengenali corak dan trend di hadapan anda adalah lebih mudah.

Akibatnya, itu meningkatkan minat dan perbualan yang mengelilingi laporan atau pembentangan data anda. Ia juga membantu anda memahami perkara yang berlaku dengan jualan, pengeluaran anda atau sesuatu yang lain.

Set Data Siri Masa LuckyTemplates

Saya akan menunjukkan kepada anda dua cara untuk memecahkan siri data ini, yang dicipta dalam Editor Skrip Python. Saya juga akan mengajar anda cara membuat visual Python menggunakan maklumat yang sama. Akhir sekali, saya akan memberi anda idea tentang perkara yang anda perlu masukkan ke dalam Power Query.

Di bawah ialah set data sampel kami dengan lajur tarikh bulanan dari 1985 hingga 2018 bersama lajur nilai pengeluaran mesin.

Skrip Python

Seterusnya, kami akan pergi ke Editor Skrip Python dan menambah kod pada dua lajur set data kami. Kod tersebut akan mengimport  panda sebagai pd , perpustakaan manipulasi data dan  matplotlib.pylot sebagai plt , yang menunjukkan visual kami. Dan untuk penguraian bermusim kami, ia akan mengimport pakej  model statistik  dan  tsa.seasonal .

Pembolehubah dalam baris ke-4 menunjukkan tempat data kami disimpan, dan dalam baris ke-5, anda akan mendapati bahawa saya menukar  nama set data  kami kepada  df  kerana ia lebih mudah untuk ditulis. Dan pada baris ke-11, saya memastikan bahawa tarikh ditetapkan untuk masa tarikh dan kemudian menjadikan indeks tarikh pada 12.

LuckyTemplates Time Series Seasonal Decompose

Untuk melakukan penguraian bermusim, kita perlu mempunyai indeks yang merupakan siri masa atau indeks masa tarikh. Oleh itu, kami akan menetapkan indeks data sebagai tarikh dan lajur pertama.

Kami juga ingin menetapkan kekerapan data ke dalam  Permulaan Bulan  ( MS ) menggunakan  pembolehubah df  bersama  fungsi freq  , seperti yang ditunjukkan dalam baris ke-13 di bawah.

Akhir sekali, kami menggunakan plt.show untuk melihat perkara yang telah kami buat. Dan jika kita menjalankannya, kita akan mendapat keputusan di bawah.

Sekarang kita mempunyai penguraian bermusim kita. Dan seperti yang anda boleh lihat daripada imej di atas, ia mempunyai  Actual ,  Trend ,  Seasonality dan  Residual kami . Graf ini akan memberi anda banyak maklumat tentang perkara yang berlaku dengan jualan atau pengeluaran anda dari semasa ke semasa.

Mencipta Visual dengan Data Siri Masa LuckyTemplates

Mari kembali ke halaman utama itu supaya saya dapat menunjukkan kepada anda cara saya mencipta graf ini dalam data. Kemudian kami akan pergi ke Transform dan lihat set data asal kami di bawah, iaitu mengenai Pengeluaran Elektrik.

Seperti yang anda boleh lihat, saya membuat tiga jadual untuk Kemusim , Sisa dan Aliran . Sukar untuk memuatkannya di atas satu meja, jadi saya memecahkannya kepada tiga. Tetapi mudah untuk menyalin dan menampal kod data kami.

Kemusim

Jika kita beralih ke jadual Pengeluaran Elektrik, anda akan melihat bahawa ia mempunyai lajur bermusim, tarikh dan pengeluaran. Lajur bermusim akan menunjukkan turun naik dari semasa ke semasa. Kami akan meneruskan langkah-langkah menciptanya.

Jika kita menuju ke  Langkah Gunaan , anda dapat melihat bahawa saya telah mempromosikan pengepala dan menamakan semula lajur, antara lain. Apa yang akan kami lakukan di sini ialah klik pada  langkah Run Python Script  .

Seperti yang anda lihat dalam imej di bawah, kami melakukan hampir perkara yang sama yang kami lakukan untuk visual kami apabila kami menciptanya dalam Visual Python. Kami telah membawa masuk perpustakaan yang diperlukan, termasuk  panda  dan  statsmodels.tsa.seasonal  dan  fungsi seasonal_decompose  .

Kami juga menyimpan semula pembolehubah set data kami sebagai df untuk penulisan yang lebih mudah dan mencipta tarikh. Untuk memastikan bahawa ia adalah tarikh, kami mengasingkan lajur tarikh dan kemudian menggunakan  pd.to_datetime.  Selepas itu, kami menyimpannya di atas  df .

Kemudian kami menukar kekerapan kepada Permulaan Bulan ( MS ) kerana kami ingin memberikan tarikh tersebut kepada  fungsi _decompose bermusim .

Daripada merancang fungsi kami, kami mengeluarkan bahagian bermusim, lulus dalam set data kami dan menggunakan . bermusim  hanya untuk mengeluarkan data bermusim. Akhirnya, kami menetapkan semula indeks supaya kami dapat melihat tarikh itu semula.

 Sekarang jika saya mengklik OK, anda boleh melihat bahawa anda diberikan set data asal dan kemudian df yang kami maksudkan.

Jika kita mengklik pada  Jadual  (diserlahkan dalam imej di atas) dan membukanya, kita akan mendapat jadual kemusim pengeluaran di bawah. Jika anda ingin membuat jadual yang serupa dengan ini, salin sahaja skrip yang saya tunjukkan tadi.

Sisa

Sekarang mari kita beralih ke Residuals di mana satu-satunya perkara yang saya ubah ialah kaedah atau titik selepas seasonal_decompose .

Tidak Menetapkan Semula Indeks

Jika kami tidak menetapkan semula indeks dan klik OK , skrip kami akan mengembalikan ralat. Jadi jika kami meletakkan  #  sebelum  df.reset_index  dalam baris terakhir skrip kami, ia akan menghasilkan jadual di bawah. Seperti yang anda lihat dalam imej, indeks tiada dan tiada lajur tarikh.

Oleh itu, kita perlu menetapkan semula indeks kerana ia mengembalikan tarikh, yang akan beroperasi sebagai indeks ini.  Jadi jika kita mengalih keluar # itu , ia akan memberikan saya kembali bingkai data, menghasilkan jadual di bawah, yang kini mempunyai lajur tarikh.

Dan anda boleh menggunakan kaedah yang sama untuk Trend, menjadikannya skrip yang sangat mudah yang boleh anda akses pada bila-bila masa anda mahu.

Laporan Pengurusan Inventori Untuk Menunjukkan Trend Dalam
Pengurusan Runcit Jualan & Laporan Ramalan Permintaan Dalam LuckyTemplates
LuckyTemplates Petua Visualisasi Data Untuk Analisis Trend KPI

Kesimpulan

Kini anda tahu cara terbaik untuk memecahkan visual anda. Dengan skrip ringkas, anda boleh mula mencipta visual data siri masa Bermusim, Aliran dan Baki dalam LuckyTemplates dan Python .

Dengan kaedah penguraian siri masa LuckyTemplates ini, anda boleh menerangkan data yang melibatkan aliran jualan , pertumbuhan dan perubahan bermusim atau peristiwa yang tidak dijangka. Ia juga merupakan alat yang hebat untuk meramal. Dan bahagian yang terbaik ialah anda boleh menyalin dan menampal skrip ini dengan mudah untuk sebarang data siri masa yang anda miliki.