本文將演示 3 個處理時間序列數據最常用的 pandas 操作

首先我們要導入需要的庫：

import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt

本文使用的數據集非常簡單。它只有 1 列，名為 VPact (mbar)，表示氣候中的氣壓。該數據集的索引是日期時間類型：

我們也可以應用 pd.to_datetime(df.index) 來制作日期時間類型的索引。

本地化時區

• 本地化是什么意思？

本地化意味著將給定的時區更改為目標或所需的時區。這樣做不會改變數據集中的任何內容，只是日期和時間將顯示在所選擇的時區中。

• 為什么需要它？

如果你拿到的時間序列數據集是UTC格式的，而你的客戶要求你根據例如美洲時區來處理氣候數據。你就需要在將其提供給模型之前對其進行更改，因為如果您不這樣做模型將生成的結果將全部基于UTC。

• 如何修改

只需要更改數據集的索引部分

df.index = df.index.tz_localize("UTC")

看看下面的結果：

數據集的索引部分發生變化。日期和時間和以前一樣，但現在它在最后顯示+00:00。這意味著pandas現在將索引識別為UTC時區的時間實例。

現在我們可以專注于將UTC時區轉換為我們想要的時區。

df.index = df.index.tz_convert("Asia/Qatar")

現在我們的時區已經改變到卡塔爾時區+03:00。

時間窗口重采樣

在本節中將研究如何根據時間間隔來預測時間序列數據。

• 這是什么意思？

這意味著收集一定范圍的目標值（在本例中為蒸氣壓讀數）并以某種方式概括它們，以便我們可以大致了解數據集中的趨勢。我們可以通過取平均值、最大值、最小值等來概括假設一次讀數的組。這里我們將5 個讀數分成一組，也就是我們所說的時間窗口

• 我們為什么需要它？

我將用一個例子來解釋這一點。假設客戶的問題是：

“我給你我的氣候傳感器讀數，每 10 分鐘獲取一次，我希望你告訴我每天對蒸氣壓的預測。也就是說，我想要對未來每一天的預測。”

現在你可能會說，這有什么大不了的？我們手上有一些讀數，每 10 分鐘讀取一次，我們只需要預測每天的氣壓。

在我們開始工作之前，讓我們先對器進行可視化：

fig, ax = plt.subplots(figsize=(15, 6))
 df['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')

• 如何重采樣

現在，我們重新采樣數據集，并使其成為匯總數據的單行/記錄。

resampled_df = df["VPact (mbar)"].resample("1D")

這可能看起來很奇怪，但它返回的是一個對象而不是一個DF。如果我們試圖運行resampled_df.head()，它會拋出一個錯誤。這是因為雖然已經將它重新采樣為每行一天，但我們還沒有告訴它應該如何聚合一天窗口中出現的所有讀數。

聚合的操作包括：最大值、最小值、平均值、眾數?本文中我們取平均值。

resampled_df.mean()
 
 # OUTPUT:
 # Date Time
 # 2010-01-01 00:00:00+03:00     4.386905
 # 2010-01-02 00:00:00+03:00     3.954861
 # 2010-01-03 00:00:00+03:00     5.435417
 # 2010-01-04 00:00:00+03:00     5.129375
 # 2010-01-05 00:00:00+03:00   10.372361
 # Freq: D, Name: VPact (mbar), Length: 365, dtype: float64

我們還需要將其轉換為df。

resampled_df = resampled_df.mean().to_frame()

時間索引從每分鐘讀數變為每天。我們再次可視化

fig, ax = plt.subplots(figsize=(15, 6))
 resampled_df['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')

時間間隔小了很多，顯示的也是每天的數據

填補時間空白

本節中將介紹如何填充數據中的時間間隔。

• 這是什么意思?

時間序列數據由是一段連續的時間產生的數據組成。如果在數據集中有一些缺失的數據會就會在時間間隔上產生裂縫

• 為什么需要它?

如果給模型提供有空白的數據，模型會立即崩潰，這是我們不想看到的。

讓我們假設我們的數據集有一些空值序列。數據集看起來像這樣:

fig, ax = plt.subplots(figsize=(15, 6))
 df_with_gap['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')

• 如何填充空白

我們嘗試各種各樣的值來填補這一空白。但是沒有一個是標準，因為所有的填充值都只是對實際值的廣義猜測。

在這個的例子中，我只展示其中一種填充方法，其他的方法都與其類似。這里將使用正向填充法。這個方法遍歷我數據集，并獲取它在遇到空白之前讀取的最后一個值，并用最后一個值填充整個空白。這個方法雖然簡單，但在很多情況下還是有用的。

df_with_gap = df_with_gap['VPact (mbar)'].fillna(method="ffill")

我們還將它轉換成一個DF。

df_with_gap = df_with_gap.to_frame()

現在讓我們看看數據集。應該看一條完整的線，并且不包含空白的空間。

fig, ax = plt.subplots(figsize=(15, 6))
 df_with_gap['VPact (mbar)'].plot(ax=ax,xlabel='Time', ylabel='VPact (mbar)')

缺失的數據現在已經被補齊了。

總結

以上就是3個常用的時間數據處理的操作，希望對你有幫助。

本文源代碼

??https://www.kaggle.com/code/muhammadhammad02/wrangling-concepts-with-time-series-data??