今日の世界では、時系列データを扱うことは開発者にとって不可欠なスキルです。 一般的なタスクの XNUMX つは、タイムスタンプを特定の期間 (毎週または毎月のデータなど) に変換することです。 この操作は、データの傾向やパターンの調査など、さまざまな分析に不可欠です。 この記事では、強力な Python ライブラリである Pandas を使用して、時系列データセットでタイムスタンプを期間に変換する方法について説明します。 また、コードを深く掘り下げ、プロセスに関与するライブラリと関数を調べ、この問題を解決する上でのそれらの重要性を理解します。
Pandas はオープンソースのデータ分析および操作ライブラリであり、時系列データを操作するための柔軟で高性能な機能を提供します。 これにより、私たちのタスクがシンプル、正確、かつ効率的になります。
タイムスタンプ データを特定の期間 (毎週、毎月など) に変換するソリューションには、Pandas ライブラリのリサンプリング メソッドの使用が含まれます。 リサンプリングは、タイムスタンプ データまたは時系列データでデータ ポイントをアップサンプリングまたはダウンサンプリングするために使用できる強力なツールです。 この場合、データ ポイントをダウンサンプリングして、目的の期間を作成します。
それでは、コードの段階的な説明を見てみましょう。
1. 必要なライブラリをインポートします。
import pandas as pd import numpy as np
2. タイムスタンプ インデックスを使用してサンプル データフレームを作成します。
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. 時系列データを再サンプリングし、タイムスタンプ データを期間に変換します。
df_period = df.resample('W').sum()
4. 結果のデータフレームを印刷します。
print(df_period)
最後のデータフレーム「df_period」には、週ごとに集計された元のデータの合計が含まれています。
**使用されるライブラリと関数を理解する**
パンダライブラリ
Pandas は、データの操作と分析に広く使用されている Python ライブラリです。 Series や DataFrame などの高レベルのデータ構造を提供し、開発者がマージ、再形成、クリーニングなどの操作を迅速かつ効率的に実行できるようにします。 私たちの場合、Pandas はタイムスタンプ データを効果的に処理するのに役立ち、タイムスタンプ データを期間に変換する resample() などの貴重な関数を提供します。
リサンプル機能
リサンプル() Pandas の関数は、時系列データの周波数変換とリサンプリングに便利な方法です。 合計、平均、中央値、モード、およびその他のユーザー定義関数を含む、データ集計またはダウンサンプリングのための多くのオプションを提供します。 この関数を使用して、リサンプリング頻度を「W」として指定することにより、タイムスタンプ データを週単位に変換します。 'M' は月単位、'Q' は四半期単位なども使用できます。
Pandas の機能と、タイムスタンプを期間データに変換するためのリサンプル関数を調べたので、時間に敏感なデータをより意味のある方法で簡単に処理できます。 これらのツールの助けを借りて、開発者、データ アナリスト、および SEO スペシャリストは、データから独自の洞察を解き放ち、より良い意思決定と予測を行うのに役立ちます。
