Trong thế giới ngày nay, làm việc với dữ liệu chuỗi thời gian là một kỹ năng cần thiết đối với nhà phát triển. Một trong những nhiệm vụ phổ biến là chuyển đổi dấu thời gian thành một khoảng thời gian cụ thể, chẳng hạn như dữ liệu hàng tuần hoặc hàng tháng. Thao tác này rất quan trọng đối với các phân tích khác nhau, chẳng hạn như nghiên cứu các xu hướng và mẫu trong dữ liệu. Trong bài viết này, chúng ta sẽ khám phá cách chuyển đổi dấu thời gian thành khoảng thời gian trong tập dữ liệu chuỗi thời gian bằng thư viện Python mạnh mẽ, Pandas. Chúng ta cũng sẽ tìm hiểu sâu về mã, khám phá các thư viện và chức năng liên quan đến quy trình cũng như hiểu tầm quan trọng của chúng trong việc giải quyết vấn đề này.
Pandas là một thư viện thao tác và phân tích dữ liệu mã nguồn mở, cung cấp các chức năng linh hoạt và hiệu suất cao để làm việc với dữ liệu chuỗi thời gian. Nó làm cho nhiệm vụ của chúng tôi đơn giản, chính xác và hiệu quả.
Giải pháp chuyển đổi dữ liệu dấu thời gian sang một khoảng thời gian cụ thể, chẳng hạn như hàng tuần hoặc hàng tháng, liên quan đến việc sử dụng phương pháp lấy mẫu lại của thư viện Pandas. Lấy mẫu lại là một công cụ mạnh mẽ có thể được sử dụng trên dữ liệu dấu thời gian hoặc dữ liệu chuỗi thời gian để lấy mẫu lên hoặc lấy mẫu xuống các điểm dữ liệu. Trong trường hợp này, chúng tôi sẽ lấy mẫu xuống các điểm dữ liệu để tạo các khoảng thời gian mong muốn.
Bây giờ, hãy xem giải thích từng bước của mã:
1. Nhập các thư viện cần thiết:
import pandas as pd import numpy as np
2. Tạo một khung dữ liệu mẫu với chỉ mục dấu thời gian:
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. Lấy mẫu lại dữ liệu chuỗi thời gian và chuyển đổi dữ liệu dấu thời gian thành các khoảng thời gian:
df_period = df.resample('W').sum()
4. In khung dữ liệu kết quả:
print(df_period)
Khung dữ liệu cuối cùng `df_period` chứa tổng dữ liệu gốc được tổng hợp theo tuần.
**Hiểu các thư viện và chức năng được sử dụng**
Thư viện gấu trúc
Pandas là một thư viện Python được sử dụng rộng rãi để thao tác và phân tích dữ liệu. Nó cung cấp các cấu trúc dữ liệu cấp cao như Sê-ri và DataFrame, cho phép các nhà phát triển thực hiện các hoạt động như hợp nhất, định hình lại và dọn dẹp một cách nhanh chóng và hiệu quả. Trong trường hợp của chúng tôi, Pandas giúp xử lý dữ liệu dấu thời gian một cách hiệu quả và cung cấp các chức năng có giá trị như resample() để chuyển đổi dữ liệu dấu thời gian thành các khoảng thời gian.
Chức năng lấy mẫu lại
Sản phẩm resample () chức năng trong Pandas là một phương pháp thuận tiện để chuyển đổi tần số và lấy mẫu lại dữ liệu chuỗi thời gian. Nó cung cấp nhiều tùy chọn để tổng hợp dữ liệu hoặc lấy mẫu xuống, bao gồm tổng, trung bình, trung bình, chế độ và các hàm do người dùng xác định khác. Chúng tôi sử dụng chức năng này để chuyển đổi dữ liệu dấu thời gian của mình sang khoảng thời gian hàng tuần bằng cách chỉ định tần suất lấy mẫu lại là 'W'. Bạn cũng có thể sử dụng 'M' cho hàng tháng, 'Q' cho hàng quý, v.v.
Bây giờ chúng ta đã khám phá chức năng của Pandas và chức năng lấy mẫu lại để chuyển đổi dấu thời gian thành dữ liệu khoảng thời gian, chúng ta có thể dễ dàng xử lý dữ liệu nhạy cảm với thời gian theo cách có ý nghĩa hơn. Với sự trợ giúp của các công cụ này, nhà phát triển, nhà phân tích dữ liệu và chuyên gia SEO có thể khám phá những hiểu biết độc đáo từ dữ liệu của họ, giúp họ đưa ra quyết định và dự đoán tốt hơn.
