Di dunia sekarang ini, bekerja dengan data deret waktu merupakan keterampilan penting bagi developer. Salah satu tugas umum adalah mengonversi stempel waktu ke periode tertentu, seperti data mingguan atau bulanan. Operasi ini sangat penting untuk berbagai analisis, seperti mempelajari tren dan pola dalam data. Pada artikel ini, kita akan mengeksplorasi cara mengonversi stempel waktu ke periode dalam kumpulan data deret waktu menggunakan pustaka Python yang andal, Pandas. Kami juga akan mendalami kode, menjelajahi pustaka dan fungsi yang terlibat dalam proses, dan memahami signifikansinya dalam memecahkan masalah ini.
Pandas adalah pustaka analisis dan manipulasi data sumber terbuka, yang menyediakan fungsi fleksibel dan berperforma tinggi untuk bekerja dengan data deret waktu. Itu membuat tugas kita sederhana, akurat, dan efisien.
Solusi untuk mengonversi data stempel waktu ke periode tertentu, seperti mingguan atau bulanan, melibatkan penggunaan metode resampling library Pandas. Resampling adalah alat yang ampuh yang dapat digunakan pada data stempel waktu atau data deret waktu untuk meningkatkan atau menurunkan sampel titik data. Dalam hal ini, kami akan menurunkan titik data untuk membuat periode yang diinginkan.
Sekarang, mari kita lihat penjelasan kode langkah demi langkah:
1. Impor perpustakaan yang diperlukan:
import pandas as pd import numpy as np
2. Buat kerangka data sampel dengan indeks stempel waktu:
date_rng = pd.date_range(start='1/1/2020', end='1/10/2020', freq='D')
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))
df.set_index('date', inplace=True)
3. Contoh ulang data deret waktu dan ubah data stempel waktu menjadi periode:
df_period = df.resample('W').sum()
4. Cetak kerangka data yang dihasilkan:
print(df_period)
Kerangka data akhir `df_period` berisi jumlah data asli yang digabungkan berdasarkan minggu.
**Memahami Pustaka dan Fungsi yang Digunakan**
Perpustakaan Panda
Pandas adalah pustaka Python yang banyak digunakan untuk manipulasi dan analisis data. Ini menyediakan struktur data tingkat tinggi seperti Seri dan DataFrame, memungkinkan pengembang melakukan operasi seperti menggabungkan, membentuk kembali, dan membersihkan dengan cepat dan efisien. Dalam kasus kami, Pandas membantu menangani data stempel waktu secara efektif dan menyediakan fungsi berharga seperti resample() untuk mengubah data stempel waktu menjadi titik.
Fungsi Contoh
Grafik contoh ulang() function di Pandas adalah metode yang nyaman untuk konversi frekuensi dan resampling data deret waktu. Ini memberikan banyak opsi untuk agregasi data atau downsampling, termasuk jumlah, rata-rata, median, mode, dan fungsi yang ditentukan pengguna lainnya. Kami menggunakan fungsi ini untuk mengubah data stempel waktu kami menjadi periode mingguan dengan menentukan frekuensi resampling sebagai 'W'. Anda juga dapat menggunakan 'M' untuk bulanan, 'Q' untuk triwulanan, dan seterusnya.
Sekarang kita telah menjelajahi fungsionalitas Panda dan fungsi resample untuk mengonversi stempel waktu ke data periode, kita dapat dengan mudah menangani data sensitif waktu dengan cara yang lebih bermakna. Dengan bantuan alat ini, pengembang, analis data, dan pakar SEO dapat membuka wawasan unik dari data mereka, membantu mereka membuat keputusan dan prediksi yang lebih baik.
