오늘날의 세계에서 데이터 조작 및 분석은 다양한 현상을 이해하고 정보에 입각한 결정을 내리는 데 필수적입니다. 데이터 분석의 일반적인 작업 중 하나는 시계열 데이터를 리샘플링하는 것입니다. 여기에는 업샘플링(빈도 증가) 또는 다운샘플링(빈도 감소)을 통해 데이터의 빈도를 변경하는 작업이 포함됩니다. 이 기사에서는 강력한 Python 라이브러리인 Pandas를 사용하여 시계열 데이터를 업샘플링하면서 역방향 채우기 프로세스에 대해 설명합니다.
시계열 데이터 역방향 채우기
시계열 데이터를 업샘플링하면 데이터 포인트의 빈도가 증가하므로 일반적으로 새로 생성된 데이터 포인트의 값이 누락됩니다. 이러한 누락된 값을 채우기 위해 다양한 방법을 사용할 수 있습니다. 그러한 방법 중 하나가 호출됩니다. 후방 채우기, 또한 ~으로 알려진 되메우기. 역방향 채우기는 누락된 값을 시계열에서 사용 가능한 다음 값으로 채우는 프로세스입니다.
판다 도서관
파이썬 팬더 라이브러리 DataFrames 및 시계열 데이터와 같은 데이터 구조를 처리하기 위한 광범위한 기능을 제공하는 데이터 조작을 위한 필수 도구입니다. Pandas에는 리샘플링 및 누락된 값 채우기와 같은 시계열 데이터 작업을 쉽게 하는 내장 기능이 있어 업샘플링 후 역방향 채우기를 효율적으로 수행할 수 있습니다.
솔루션: Pandas로 역방향 채우기
Pandas를 사용하여 시계열 데이터를 업샘플링한 후 뒤로 채우기를 적용하는 과정을 보여주기 위해 간단한 예를 살펴보겠습니다. 필요한 라이브러리를 가져오고 샘플 시계열 데이터 세트를 만드는 것으로 시작합니다.
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
이제 샘플 데이터가 있으므로 업샘플링 및 역방향 채우기 방법 적용을 진행합니다. 이 예에서는 일별 빈도에서 시간별 빈도로 업샘플링합니다.
# 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)
위의 코드에서 먼저 '날짜' 열을 인덱스로 설정한 다음 다음을 사용하여 데이터를 시간별 빈도로 다시 샘플링했습니다. resample () 기능. 증가된 빈도로 인해 결과 DataFrame에 누락된 값이 있습니다. 그런 다음 필나() 매개변수 'bfill'이 있는 메서드를 사용하여 누락된 값에 대해 뒤로 채우기를 수행합니다.
단계별 설명
더 잘 이해하기 위해 코드를 분석해 보겠습니다.
1. 먼저 Pandas 및 NumPy 라이브러리를 가져왔습니다.
import pandas as pd import numpy as np
2. 다음을 사용하여 샘플 시계열 데이터 세트를 생성했습니다. 날짜 범위() 매일 날짜와 임의의 숫자 값을 생성하는 Pandas의 기능:
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. 다음으로 '날짜' 열을 인덱스로 설정하고 다음을 사용하여 데이터를 시간별 빈도로 리샘플링했습니다. resample () 과 asfreq() 기능 :
df.set_index('date', inplace=True)
hourly_df = df.resample('H').asfreq()
4. 마지막으로 업샘플링된 DataFrame에서 누락된 값을 다음을 사용하여 채웠습니다. 필나() 역방향 채우기를 위한 'bfill' 매개변수가 있는 메서드:
hourly_df.fillna(method='bfill', inplace=True)
결론
이 기사에서는 프로세스를 탐색했습니다. 시계열 데이터 업샘플링 후 역방향 채우기 Python의 강력한 Pandas 라이브러리를 사용합니다. 이러한 기술을 이해하고 구현함으로써 시계열 데이터를 효율적으로 조작하고 분석하여 귀중한 통찰력을 발견하고 정보에 입각한 결정을 내릴 수 있습니다.
