I dagens värld är datamanipulation och analys väsentliga för att förstå olika fenomen och fatta välgrundade beslut. En av de vanligaste uppgifterna inom dataanalys är omsampling av tidsseriedata, vilket innebär att frekvensen av data ändras, antingen genom uppsampling (öka frekvensen) eller nedsampling (minska frekvensen). I den här artikeln kommer vi att diskutera processen för bakåtfyllning medan vi samplar upp tidsseriedata med det kraftfulla Python-biblioteket Pandas.
Fyll i tidsseriedata bakåt
När vi samplar upp tidsseriedata ökar vi frekvensen av datapunkterna, vilket vanligtvis resulterar i att värden saknas för de nyskapade datapunkterna. För att fylla dessa saknade värden kan vi använda en mängd olika metoder. En sådan metod kallas bakåtfyllning, också känd som återfyllning. Bakåtfyllning är processen att fylla de saknade värdena med nästa tillgängliga värde i tidsserien.
Pandas bibliotek
Pythons Pandas bibliotek är ett viktigt verktyg för datamanipulation, och erbjuder ett brett utbud av funktioner för att hantera datastrukturer som DataFrames och tidsseriedata. Pandas har inbyggda funktioner som gör det enkelt att arbeta med tidsseriedata, såsom omsampling och fyllning av saknade värden, vilket gör att vi effektivt kan utföra bakåtfyllning efter uppsampling.
Lösning: Fyll bakåt med pandor
För att demonstrera processen att applicera en bakåtfyllning efter uppsampling av tidsseriedata med Pandas, låt oss överväga ett enkelt exempel. Vi börjar med att importera de nödvändiga biblioteken och skapa ett exempel på tidsseriedataset.
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
Nu när vi har våra exempeldata fortsätter vi med uppsampling och tillämpar bakåtfyllningsmetoden. I det här exemplet kommer vi att sampla upp från daglig frekvens till en timfrekvens:
# 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 ovan satte vi först kolumnen "datum" som index och samplade sedan om data till en timfrekvens med hjälp av omprov() fungera. Den resulterande DataFrame saknar värden på grund av den ökade frekvensen. Vi använde sedan fyllna() metod med parametern 'bfill' för att utföra en bakåtfyllning på de saknade värdena.
Steg-för-steg förklaring
Låt oss dela upp koden för att förstå den bättre:
1. Vi importerade först Pandas- och NumPy-biblioteken:
import pandas as pd import numpy as np
2. Vi skapade ett exempel på tidsseriedataset med hjälp av datumintervall() funktion från Pandas för att generera dagliga datum och slumpmässiga numeriska värden:
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. Därefter satte vi kolumnen 'datum' som index och samplade om data till en timfrekvens med omprov() och asfreq() funktioner:
df.set_index('date', inplace=True)
hourly_df = df.resample('H').asfreq()
4. Slutligen fyllde vi de saknade värdena i den upsamplade DataFrame med hjälp av fyllna() metod med parametern 'bfill' för bakåtfyllning:
hourly_df.fillna(method='bfill', inplace=True)
Slutsats
I den här artikeln utforskade vi processen för bakåtfyllning efter uppsampling av tidsseriedata använder det kraftfulla Pandas-biblioteket i Python. Genom att förstå och implementera dessa tekniker kan vi effektivt manipulera och analysera tidsseriedata, upptäcka värdefulla insikter och fatta välgrundade beslut.
