En el mundo actual, la manipulación y el análisis de datos son esenciales para comprender varios fenómenos y tomar decisiones informadas. Una de las tareas comunes en el análisis de datos es volver a muestrear datos de series temporales, lo que implica cambiar la frecuencia de los datos, ya sea mediante muestreo ascendente (aumento de la frecuencia) o muestreo descendente (disminución de la frecuencia). En este artículo, analizaremos el proceso de llenado hacia atrás mientras se realiza un muestreo superior de datos de series temporales utilizando la potente biblioteca de Python, Pandas.
Rellenar datos de series temporales hacia atrás
Cuando aumentamos la muestra de datos de series temporales, aumentamos la frecuencia de los puntos de datos, lo que generalmente da como resultado valores faltantes para los puntos de datos recién creados. Para llenar estos valores perdidos, podemos usar una variedad de métodos. Uno de estos métodos se llama llenado hacia atrás, también conocido como relleno. El llenado hacia atrás es el proceso de completar los valores que faltan con el siguiente valor disponible en la serie temporal.
Biblioteca de pandas
Python Biblioteca de pandas es una herramienta esencial para la manipulación de datos, que ofrece una amplia gama de funcionalidades para el manejo de estructuras de datos como DataFrames y datos de series temporales. Pandas tiene funciones integradas que facilitan el trabajo con datos de series temporales, como el remuestreo y el llenado de valores faltantes, lo que nos permite realizar de manera eficiente el llenado hacia atrás después del muestreo ascendente.
Solución: Relleno al revés con pandas
Para demostrar el proceso de aplicar un relleno hacia atrás después de aumentar el muestreo de datos de series temporales con Pandas, consideremos un ejemplo simple. Comenzaremos importando las bibliotecas necesarias y creando un conjunto de datos de serie temporal de muestra.
import pandas as pd import numpy as np # Create a sample time series dataset date_rng = pd.date_range(start='2022-01-01', end='2022-01-10', freq='D') data = np.random.randint(0, 100, size=(len(date_rng), 1)) df = pd.DataFrame(date_rng, columns=['date']) df['value'] = data
Ahora que tenemos nuestros datos de muestra, procederemos con el muestreo ascendente y aplicaremos el método de relleno hacia atrás. En este ejemplo, aumentaremos el muestreo de la frecuencia diaria a una frecuencia por hora:
# Upsample the data to hourly frequency
df.set_index('date', inplace=True)
hourly_df = df.resample('H').asfreq()
# Apply the backward fill method to fill missing values
hourly_df.fillna(method='bfill', inplace=True)
En el código anterior, primero configuramos la columna 'fecha' como índice y luego volvemos a muestrear los datos a una frecuencia por hora usando el remuestrear () función. El DataFrame resultante tiene valores faltantes debido al aumento de la frecuencia. Luego usamos el relleno () método con el parámetro 'bfill' para realizar un relleno hacia atrás en los valores que faltan.
Explicación paso a paso
Desglosemos el código para entenderlo mejor:
1. Primero importamos las bibliotecas Pandas y NumPy:
import pandas as pd import numpy as np
2. Creamos un conjunto de datos de serie de tiempo de muestra usando el rango de fechas() función de Pandas para generar fechas diarias y valores numéricos aleatorios:
date_rng = pd.date_range(start='2022-01-01', end='2022-01-10', freq='D') data = np.random.randint(0, 100, size=(len(date_rng), 1)) df = pd.DataFrame(date_rng, columns=['date']) df['value'] = data
3. A continuación, configuramos la columna 'fecha' como índice y volvemos a muestrear los datos a una frecuencia horaria con remuestrear () y frecuencia as() funciones:
df.set_index('date', inplace=True)
hourly_df = df.resample('H').asfreq()
4. Finalmente, completamos los valores faltantes en el DataFrame sobremuestreado usando el relleno () método con el parámetro 'bfill' para el llenado hacia atrás:
hourly_df.fillna(method='bfill', inplace=True)
Conclusión
En este artículo exploramos el proceso de relleno hacia atrás después de sobremuestrear datos de series de tiempo usando la poderosa biblioteca Pandas en Python. Al comprender e implementar estas técnicas, podemos manipular y analizar de manera eficiente los datos de series temporales, descubriendo información valiosa y tomando decisiones informadas.
