I dagens verden er datamanipulasjon og -analyse avgjørende for å forstå ulike fenomener og ta informerte beslutninger. En av de vanlige oppgavene i dataanalyse er resampling av tidsseriedata, som innebærer å endre frekvensen til dataene, enten ved oppsampling (øke frekvensen) eller nedsampling (redusere frekvensen). I denne artikkelen vil vi diskutere prosessen med bakoverfylling mens vi oppsampler tidsseriedata ved å bruke det kraftige Python-biblioteket, Pandas.
Fyll inn tidsseriedata bakover
Når vi oppsamler tidsseriedata, øker vi frekvensen av datapunktene, noe som vanligvis resulterer i manglende verdier for de nyopprettede datapunktene. For å fylle disse manglende verdiene kan vi bruke en rekke metoder. En slik metode kalles baklengs fylling, også kjent som gjenfylling. Bakoverfylling er prosessen med å fylle de manglende verdiene med neste tilgjengelige verdi i tidsserien.
Pandas bibliotek
Pythons Pandas bibliotek er et viktig verktøy for datamanipulering, og tilbyr et bredt spekter av funksjoner for håndtering av datastrukturer som DataFrames og tidsseriedata. Pandas har innebygde funksjoner som gjør det enkelt å jobbe med tidsseriedata, for eksempel resampling og fylling av manglende verdier, noe som gjør at vi effektivt kan utføre bakoverfylling etter oppsampling.
Løsning: Fyll bakover med pandaer
For å demonstrere prosessen med å bruke en bakoverfylling etter oppsampling av tidsseriedata ved bruk av Pandas, la oss vurdere et enkelt eksempel. Vi vil starte med å importere de nødvendige bibliotekene og lage et eksempeltidsseriedatasett.
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
Nå som vi har prøvedataene våre, fortsetter vi med oppsampling og bruk bakoverfyllingsmetoden. I dette eksemplet vil vi oppsample fra daglig frekvens til en timefrekvens:
# 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)
I koden ovenfor satte vi først "dato"-kolonnen som indeksen og resamplede deretter dataene til en timefrekvens ved å bruke resample () funksjon. Den resulterende DataFrame har manglende verdier på grunn av økt frekvens. Vi brukte da fillna() metode med parameteren 'bfill' for å utføre en bakoverfylling på de manglende verdiene.
Trinn-for-trinn forklaring
La oss bryte ned koden for å forstå den bedre:
1. Vi importerte først Pandas- og NumPy-bibliotekene:
import pandas as pd import numpy as np
2. Vi opprettet et eksempeltidsseriedatasett ved hjelp av datointervall() funksjon fra Pandas for å generere daglige datoer og tilfeldige numeriske verdier:
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. Deretter satte vi "dato"-kolonnen som indeksen og resamplet dataene til en timefrekvens med resample () og asfreq() funksjoner:
df.set_index('date', inplace=True)
hourly_df = df.resample('H').asfreq()
4. Til slutt fylte vi ut de manglende verdiene i den oppsamplede DataFrame ved å bruke fillna() metode med 'bfill'-parameteren for bakoverfylling:
hourly_df.fillna(method='bfill', inplace=True)
konklusjonen
I denne artikkelen utforsket vi prosessen med bakover fylling etter upsampling av tidsseriedata ved å bruke det kraftige Pandas-biblioteket i Python. Ved å forstå og implementere disse teknikkene kan vi effektivt manipulere og analysere tidsseriedata, oppdage verdifull innsikt og ta informerte beslutninger.
