Python | Панды dataframe.resample ()
Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.
Pandas dataframe.resample() function is primarily used for time series data.
A time series is a series of data points indexed (or listed or graphed) in time order. Most commonly, a time series is a sequence taken at successive equally spaced points in time. It is a Convenience method for frequency conversion and resampling of time series. Object must have a datetime-like index (DatetimeIndex, PeriodIndex, or TimedeltaIndex), or pass datetime-like values to the on or level keyword.
Syntax : DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention=’start’, kind=None, loffset=None, limit=None, base=0, on=None, level=None)
Parameters :
rule : the offset string or object representing target conversion
axis : int, optional, default 0
closed : {‘right’, ‘left’}
label : {‘right’, ‘left’}
convention : For PeriodIndex only, controls whether to use the start or end of rule
loffset : Adjust the resampled time labels
base : For frequencies that evenly subdivide 1 day, the “origin” of the aggregated intervals. For example, for ‘5min’ frequency, base could range from 0 through 4. Defaults to 0.
on : For a DataFrame, column to use instead of index for resampling. Column must be datetime-like.
level : For a MultiIndex, level (name or number) to use for resampling. Level must be datetime-like.
Повторная выборка создает уникальное распределение выборки на основе фактических данных. Мы можем применять различную частоту для повторной выборки данных наших временных рядов. Это очень важный метод в области аналитики.
Наиболее часто используемые частоты временных рядов -
W: еженедельная частота
M: частота в конце месяца
SM: частота окончания полумесяца (15-е и конец месяца)
Q: частота конца четверти
Доступно много других типов частот временных рядов. Давайте посмотрим, как применить частоту этих временных рядов к данным и выполнить повторную выборку.
Для ссылки на CSV-файл, используемый в коде, щелкните здесь
Это данные о ценах на акции Apple за 1 год с (13-11-17) по (13-11-18).
Example #1: Resampling the data on monthly frequency
# importing pandas as pdimport pandas as pd # By default the "date" column was in string format,# we need to convert it into date-time format # parse_dates =["date"], converts the "date" # column to date-time format. We know that # resampling works with time-series data only# so convert "date" column to index # index_col ="date", makes "date" column, the index of the data framedf = pd.read_csv("apple.csv", parse_dates =["date"], index_col ="date") # Printing the first 10 rows of dataframedf[:10] |
# Resampling the time series data based on months# we apply it on stock close price# "M" indicates monthmonthly_resampled_data = df.close.resample("M").mean() # the above command will find the mean closing price# of each month for a duration of 12 months.monthly_resampled_data |
Output :
Example #2: Resampling the data on weekly frequency
# importing pandas as pdimport pandas as pd # We know that resampling works with time-series data# only so convert "date" column to index# index_col ="date", makes "date" column. df = pd.read_csv("apple.csv", parse_dates =["date"], index_col ="date") # Resampling the time series data based on weekly frequency# we apply it on stock open price "W" indicates weekweekly_resampled_data = df.open.resample("W").mean() # find the mean opening price of each week # for each week over a period of 1 year.weekly_resampled_data |
Output :
Example #3: Resampling the data on Quarterly frequency
# importing pandas as pdimport pandas as pd # We know that resampling works with time-series# data only so convert our "date" column to index# index_col ="date", makes "date" columndf = pd.read_csv("apple.csv", parse_dates =["date"], index_col ="date") # Resampling the time series data# based on Quarterly frequency# "Q" indicates quarter Quarterly_resampled_data = df.open.resample("Q").mean() # mean opening price of each quarter# over a period of 1 year.Quarterly_resampled_data |
Выход :
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.