În lumea de astăzi, lucrul cu date din serii de timp este o abilitate esențială pentru un dezvoltator. Una dintre sarcinile obișnuite este de a converti un marcaj de timp într-o anumită perioadă, cum ar fi datele săptămânale sau lunare. Această operațiune este crucială pentru diverse analize, cum ar fi studierea tendințelor și modelelor în date. În acest articol, vom explora cum să convertim marcajul de timp în punct într-un set de date de serie de timp folosind biblioteca puternică Python, Pandas. De asemenea, vom arunca o privire profundă în cod, vom explora bibliotecile și funcțiile implicate în proces și vom înțelege importanța acestora în rezolvarea acestei probleme.
Pandas este o bibliotecă de analiză și manipulare a datelor open-source, care oferă funcții flexibile și performante pentru a lucra cu date din serii de timp. Ne face sarcina simplă, precisă și eficientă.
Soluția de a converti datele de marcare temporală într-o anumită perioadă, cum ar fi săptămânal sau lunar, implică utilizarea metodei de reeșantionare a bibliotecii Pandas. Reeșantionarea este un instrument puternic care poate fi folosit pe datele de marcare temporală sau pe datele seriei de timp pentru a supraeșantiona sau a reduce eșantionarea punctelor de date. În acest caz, vom eșantiona punctele de date pentru a crea perioadele dorite.
Acum, să ne uităm la explicația pas cu pas a codului:
1. Importați bibliotecile necesare:
import pandas as pd import numpy as np
2. Creați un exemplu de cadru de date cu un index de marcaj temporal:
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. Reeșantionați datele din seria temporală și convertiți datele marcajului temporal în perioade:
df_period = df.resample('W').sum()
4. Imprimați cadrul de date rezultat:
print(df_period)
Cadrul de date final `df_period` conține suma datelor inițiale agregate pe săptămână.
**Înțelegerea bibliotecilor și a funcțiilor utilizate**
Biblioteca Pandas
Pandas este o bibliotecă Python utilizată pe scară largă pentru manipularea și analiza datelor. Oferă structuri de date la nivel înalt, cum ar fi Series și DataFrame, permițând dezvoltatorilor să efectueze operațiuni precum îmbinare, remodelare și curățare rapid și eficient. În cazul nostru, Pandas ajută la gestionarea eficientă a datelor de marcaj de timp și oferă funcții valoroase, cum ar fi resample() pentru a converti datele de marcare temporală în perioade.
Funcția de reeșantionare
reeșantionați() Funcția Pandas este o metodă convenabilă pentru conversia frecvenței și reeșantionarea datelor din seria temporală. Oferă multe opțiuni pentru agregarea sau reducerea eșantionării datelor, inclusiv sumă, medie, mediană, mod și alte funcții definite de utilizator. Folosim această funcție pentru a converti datele noastre de marcaj de timp într-o perioadă săptămânală, specificând frecvența de reeșantionare ca „W”. De asemenea, puteți folosi „M” pentru lunar, „Q” pentru trimestrial și așa mai departe.
Acum că am explorat funcționalitatea Pandas și funcția de reeșantionare pentru conversia marcajului de timp în date de perioadă, putem trata cu ușurință datele sensibile la timp într-un mod mai semnificativ. Cu ajutorul acestor instrumente, dezvoltatorii, analiștii de date și specialiștii SEO pot debloca informații unice din datele lor, ajutându-i să ia decizii și predicții mai bune.
