Në botën e sotme, puna me të dhënat e serive kohore është një aftësi thelbësore për një zhvillues. Një nga detyrat e zakonshme është konvertimi i një vule kohore në një periudhë specifike, të tilla si të dhënat javore ose mujore. Ky operacion është thelbësor për analiza të ndryshme, si studimi i tendencave dhe modeleve në të dhëna. Në këtë artikull, ne do të shqyrtojmë se si të konvertojmë vulën kohore në periudhë në një grup të dhënash të serive kohore duke përdorur bibliotekën e fuqishme Python, Pandas. Ne gjithashtu do të bëjmë një zhytje të thellë në kod, do të eksplorojmë bibliotekat dhe funksionet e përfshira në proces dhe do të kuptojmë rëndësinë e tyre në zgjidhjen e këtij problemi.
Pandas është një bibliotekë e analizës dhe manipulimit të të dhënave me burim të hapur, e cila ofron funksione fleksibël dhe me performancë të lartë për të punuar me të dhënat e serive kohore. Kjo e bën detyrën tonë të thjeshtë, të saktë dhe efikase.
Zgjidhja për të kthyer të dhënat e stampës kohore në një periudhë specifike, si p.sh. javore ose mujore, përfshin përdorimin e metodës së rikampionimit të bibliotekës Pandas. Ri-kampionimi është një mjet i fuqishëm që mund të përdoret në të dhënat e vulës kohore ose të të dhënave të serive kohore për të zgjedhur ose pakësuar pikat e të dhënave. Në këtë rast, ne do të pakësojmë mostrat e pikave të të dhënave për të krijuar periudhat e dëshiruara.
Tani, le të shohim shpjegimin hap pas hapi të kodit:
1. Importoni bibliotekat e nevojshme:
import pandas as pd import numpy as np
2. Krijoni një kornizë të dhënash mostër me një indeks të vulës kohore:
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. Rekomandoni të dhënat e serive kohore dhe konvertoni të dhënat e vulës kohore në periudha:
df_period = df.resample('W').sum()
4. Shtypni kornizën e të dhënave që rezulton:
print(df_period)
Korniza përfundimtare e të dhënave "df_period" përmban shumën e të dhënave origjinale të grumbulluara sipas javës.
**Të kuptojmë bibliotekat dhe funksionet e përdorura**
Biblioteka e Pandave
Pandas është një bibliotekë Python e përdorur gjerësisht për manipulimin dhe analizën e të dhënave. Ai siguron struktura të nivelit të lartë të të dhënave si Seritë dhe DataFrame, duke i lejuar zhvilluesit të kryejnë operacione të tilla si bashkimi, riformësimi dhe pastrimi shpejt dhe me efikasitet. Në rastin tonë, Pandas ndihmon në trajtimin efektiv të të dhënave të vulave kohore dhe ofron funksione të vlefshme si resample() për të kthyer të dhënat e vulave kohore në periudha.
Funksioni i rimodelimit
La rimostrim () Funksioni në Panda është një metodë e përshtatshme për konvertimin e frekuencës dhe ri-kampionimin e të dhënave të serive kohore. Ai ofron shumë opsione për grumbullimin ose zvogëlimin e të dhënave, duke përfshirë shumën, mesataren, mesataren, modalitetin dhe funksione të tjera të përcaktuara nga përdoruesi. Ne e përdorim këtë funksion për të konvertuar të dhënat tona të vulës kohore në një periudhë javore duke specifikuar frekuencën e marrjes së mostrave si 'W'. Ju gjithashtu mund të përdorni 'M' për mujore, 'Q' për tremujore, e kështu me radhë.
Tani që kemi eksploruar funksionalitetin e Pandas dhe funksionin e rishlyerjes për konvertimin e vulës kohore në të dhëna të periudhës, ne mund t'i trajtojmë lehtësisht të dhënat e ndjeshme ndaj kohës në një mënyrë më kuptimplote. Me ndihmën e këtyre mjeteve, zhvilluesit, analistët e të dhënave dhe specialistët e SEO mund të zhbllokojnë njohuri unike nga të dhënat e tyre, duke i ndihmuar ata të marrin vendime dhe parashikime më të mira.
