Cum să descompuneți cu ușurință datele din seria temporală LuckyTemplates

Acest blog vă va învăța cum să descompuneți datele din seria temporală LuckyTemplates în componente esențiale. Puteți viziona videoclipul complet al acestui tutorial în partea de jos a acestui blog .

Datele din seria temporală sunt peste tot, de la măsurarea ritmului cardiac la prețurile unitare ale bunurilor din magazin și chiar și în modelele științifice. Împărțirea acestor date în părți esențiale poate fi avantajoasă, în special în pregătirea diagramelor și prezentărilor de rapoarte.

Metoda de descompunere a seriilor temporale a acestui blog vă va ajuta să găsiți o modalitate mai bună de a prezenta datele atunci când descrieți tendințe, sezonalitate sau evenimente neașteptate. Este, de asemenea, o piatră grozavă pentru prognoză în LuckyTemplates .

Cuprins

• Tipuri de grafice
• Set de date LuckyTemplates Time Series
• Script Python
• Descompunere sezonieră din seria temporală LuckyTemplates
• Crearea vizuală cu date din seria temporală LuckyTemplates
• Sezonalitatea
• Reziduuri
• Nu se resetează indexul
• Concluzie

Tipuri de grafice

În imaginea de mai sus există mai multe grafice, inclusiv  Actuals ,  Trends ,  Seasonality și  Noise . Unul dintre cele mai bune lucruri despre acest vizual este că există scăderi în fiecare grafic .

Această caracteristică poate fi utilă atunci când doriți să evidențiați anumiți factori cruciali care influențează tendințele, cum ar fi venitul și ocupația într-o tendință de cumpărare a consumatorilor. 

Același lucru este valabil și pentru identificarea tiparelor sezoniere , unde acestea pot descrie mișcările de creștere lunare sau trimestriale ale unei companii.

De asemenea, sunt excelente pentru determinarea fluctuațiilor datelor, cum ar fi nivelurile reziduale de zgomot pentru studii științifice și altele asemenea. De exemplu, putem observa în graficul de mai jos o creștere a nivelurilor reziduale în ultimii zece ani, ceea ce ne oferă o mică perspectivă asupra unei tendințe potențiale.

Înțelegerea mișcărilor complexe de date de-a lungul unei perioade extinse este mult mai ușoară atunci când le prezentați prin graficele de mai sus. Este mult mai ușor să digerați toate informațiile și să recunoașteți tiparele și tendințele din fața dvs.

Ca rezultat, acest lucru îmbunătățește interesul și conversația din jurul raportului sau prezentării dvs. de date. De asemenea, vă ajută să înțelegeți ce se întâmplă cu vânzările, producția sau altceva.

Set de date LuckyTemplates Time Series

Vă voi arăta două moduri de a defalca această serie de date, care a fost creată în Python Scrip Editor. De asemenea, vă voi învăța cum să creați un vizual Python folosind aceleași informații. În cele din urmă, vă voi oferi o idee despre ce trebuie să puneți în Power Query.

Mai jos este setul nostru de date eșantion cu o coloană de date lunare din 1985 până în 2018 alături de o coloană cu valoarea producției a unei mașini.

Script Python

Apoi, vom merge la Python Script Editor și vom adăuga un cod la cele două coloane ale setului nostru de date. Codul va importa  panda ca pd , o bibliotecă de manipulare a datelor și  matplotlib.pylot ca plt , care arată imaginile noastre. Și pentru descompunerea noastră sezonieră, va fi importarea unui pachet de  statsmodels  și  tsa.seasonal .

Variabila din a 4-a linie arată unde sunt salvate datele noastre, iar în a 5-a linie, veți descoperi că am schimbat  numele setului de date  în  df  , deoarece este mai ușor de scris. Și în a 11-a rând, m-am asigurat că data a fost setată pentru data și ora și apoi am făcut ca indexul să fie data pe 12.

Descompunere sezonieră din seria temporală LuckyTemplates

Pentru a face o descompunere sezonieră, trebuie să avem un index care să fie o serie temporală sau un index dată și oră. Astfel, vom seta indexul de date ca dată și prima coloană.

De asemenea, dorim să setăm frecvența datelor în  Month Start  ( MS ) folosind  variabila df  alături de  funcția frecvență  , așa cum se arată în a 13-a linie de mai jos.

În cele din urmă, folosim plt.show pentru a vedea ce am creat. Și dacă rulăm asta, vom avea rezultatul mai jos.

Acum avem descompunerea sezonieră. Și după cum puteți vedea din imaginea de mai sus, are  Realitățile ,  Tendința ,  Sezonalitatea și  Reziduurile . Aceste grafice vă vor oferi o mulțime de informații despre ceea ce se întâmplă cu vânzările sau producția dvs. de-a lungul timpului.

Crearea vizuală cu date din seria temporală LuckyTemplates

Să ne întoarcem la pagina principală, ca să vă pot arăta cum am creat aceste grafice în cadrul datelor. Apoi vom merge la Transformare și vom vedea mai jos setul nostru de date inițial, care este despre producția electrică.

După cum puteți vedea, am creat trei tabele pentru Sezonalitate , Reziduuri și Tendințe . A fost greu să le potrivesc împreună pe o singură masă, așa că le-am împărțit în trei. Dar este ușor să copiați și să lipiți codul datelor noastre.

Sezonalitatea

Dacă trecem la tabelul Producție electrică, veți vedea că are coloane de sezonalitate, dată și producție. Coloana de sezonalitate va afișa fluctuația în timp. Vom trece peste pașii creării acestuia.

Dacă ne îndreptăm către  Pașii aplicați , puteți vedea că am promovat deja anteturile și am redenumit coloanele, printre altele. Ceea ce vom face aici este să facem clic pe  pasul Run Python Script  .

După cum puteți vedea în imaginea de mai jos, am făcut aproape același lucru pe care l-am făcut pentru vizualul nostru când l-am creat în Python Visual. Am adus bibliotecile noastre necesare, inclusiv  panda  și  statsmodels.tsa.seasonal  și  funcția seasonal_decompose  .

De asemenea, am re-salvat variabila setului de date ca df pentru o scriere mai ușoară și am creat o dată. Pentru a ne asigura că este o dată, am izolat coloana de dată și apoi am folosit  pd.to_datetime.  După aceea, l-am salvat peste  df .

Apoi am schimbat frecvența în Month Start ( MS ) pentru că am vrut să dăm acele date  funcției sezoniere _decompose .

În loc să ne trasăm funcția, am scos partea sezonieră, am trecut în setul nostru de date și am folosit . sezonier  doar pentru a scoate la iveală datele sezoniere. În cele din urmă, resetam indexul pentru a putea vedea din nou data.

 Acum, dacă dau clic pe OK, puteți vedea că vi se oferă setul de date original și apoi df- ul pe care îl reprezintă.

Dacă facem clic pe  Tabel  (evidențiat în imaginea de mai sus) și îl deschidem, vom obține tabelul de sezonalitate al producției de mai jos. Dacă doriți să creați un tabel similar cu acesta, doar copiați scriptul pe care vi l-am arătat mai devreme.

Reziduuri

Acum să trecem la Reziduuri, unde singurul lucru pe care l-am schimbat a fost metoda sau punctul de după sezonul_descompunere .

Nu se resetează indexul

Dacă nu resetam indexul și nu facem clic pe OK , scriptul nostru va returna o eroare. Deci, dacă punem un  #  înainte  de df.reset_index  în ultima linie a scriptului nostru, va rezulta tabelul de mai jos. După cum puteți vedea în imagine, indexul lipsește și nu există nicio coloană de dată.

Astfel, trebuie să resetam indexul deoarece returnează data, care ar funcționa ca acest index. Deci, dacă eliminăm acel  # , îmi va da înapoi cadrul de date, rezultând tabelul de mai jos, care are acum o coloană de dată.

Și puteți folosi aceeași metodă pentru Trend, făcându-l un script foarte ușor pe care îl puteți accesa oricând doriți.

Rapoarte de gestionare a stocurilor pentru a arăta tendințele în
managementul vânzărilor cu amănuntul și rapoartele de prognoză a cererii în LuckyTemplates
Sfaturi pentru vizualizarea datelor LuckyTemplates pentru analiza tendințelor KPI

Concluzie

Acum cunoașteți o modalitate excelentă de a vă distruge imaginile. Cu un script simplu, puteți începe să creați elemente vizuale de date de sezon, Tendință și Reziduale în serii de timp în LuckyTemplates și Python .

Cu această metodă de descompunere a seriilor de timp LuckyTemplates, puteți descrie date care implică tendințele vânzărilor , creșterea sezonieră și schimbările sau evenimente neașteptate. Este, de asemenea, un instrument excelent pentru prognoză. Și cea mai bună parte este că puteți copia și lipi cu ușurință acest script pentru orice serie de date pe care le aveți.