每個數(shù)據(jù)集都有自己的特征，我們使用它們的特征作為特征來深入了解數(shù)據(jù)。在本文中，我們將討論一種重要的數(shù)據(jù)集，即時間序列數(shù)據(jù)。

什么是時間序列數(shù)據(jù)

時間序列數(shù)據(jù)是按連續(xù)時間順序列出的一系列數(shù)據(jù)點(diǎn)，或者我們可以說時間序列數(shù)據(jù)是時間上連續(xù)等間隔點(diǎn)的序列。時間序列分析包括分析時間序列數(shù)據(jù)的方法，以提取有意義的見解和數(shù)據(jù)的其他有價值的特征。

時間序列數(shù)據(jù)是按連續(xù)時間順序列出的一系列數(shù)據(jù)點(diǎn)，或者我們可以說時間序列數(shù)據(jù)是時間上連續(xù)等間隔點(diǎn)的序列。時間序列分析包括分析時間序列數(shù)據(jù)的方法，以提取有意義的見解和數(shù)據(jù)的其他有價值的特征。

使用Python實(shí)現(xiàn)時間序列數(shù)據(jù)可視化

我們將使用Python庫來可視化數(shù)據(jù)。數(shù)據(jù)集的鏈接可以在這里找到。

https://github.com/Neelu-Tiwari/dataset/blob/main/stock_data.csv

我們將像在任何時間序列數(shù)據(jù)項目中一樣一步一步地執(zhí)行可視化。

導(dǎo)入庫

我們將在一個地方導(dǎo)入本文中使用的所有庫，這樣就不必每次使用時都導(dǎo)入，這將保存我們的時間和精力。

Numpy -一個用于數(shù)值數(shù)學(xué)計算和處理多維ndarray的Python庫，它也有一個非常大的數(shù)學(xué)函數(shù)集合來操作這個數(shù)組。

Pandas -一個構(gòu)建在NumPy之上的Python庫，用于有效的矩陣乘法和矩陣操作，它也用于數(shù)據(jù)清理，數(shù)據(jù)合并，數(shù)據(jù)整形和數(shù)據(jù)聚合。

Matplotlib -它用于繪制2D和3D可視化圖，它還支持各種輸出格式，包括數(shù)據(jù)圖形。

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

加載數(shù)據(jù)集

為了將數(shù)據(jù)集加載到一個框架中，我們將使用pandas read_csv（）函數(shù)。我們將使用head（）函數(shù)打印數(shù)據(jù)集的前五行。在這里，我們將在read_csv函數(shù)中使用’parse_dates’參數(shù)將’Date’列轉(zhuǎn)換為DatetimeIndex格式。默認(rèn)情況下，日期以字符串格式存儲，這不是時間序列數(shù)據(jù)分析的正確格式。

# reading the dataset using read_csv
df = pd.read_csv("stock_data.csv", 
				parse_dates=True, 
				index_col="Date")

# displaying the first five rows of dataset
df.head()

輸出

            Unnamed: 0   Open   High    Low  Close    Volume  Name
Date                                                              
2006-01-03         NaN  39.69  41.22  38.79  40.91  24232729  AABA
2006-01-04         NaN  41.22  41.90  40.77  40.97  20553479  AABA
2006-01-05         NaN  40.93  41.73  40.85  41.53  12829610  AABA
2006-01-06         NaN  42.88  43.57  42.80  43.21  29422828  AABA
2006-01-09         NaN  43.10  43.66  42.82  43.42  16268338  AABA

刪除不需要的列

我們將從數(shù)據(jù)集中刪除對我們的可視化不重要的列。

# deleting column
df.drop(columns='Unnamed: 0')

輸出

             Open   High    Low  Close    Volume  Name
Date                                                  
2006-01-03  39.69  41.22  38.79  40.91  24232729  AABA
2006-01-04  41.22  41.90  40.77  40.97  20553479  AABA
2006-01-05  40.93  41.73  40.85  41.53  12829610  AABA
2006-01-06  42.88  43.57  42.80  43.21  29422828  AABA
2006-01-09  43.10  43.66  42.82  43.42  16268338  AABA

繪制時間序列數(shù)據(jù)的線圖

df['Volume'].plot()

在這里，我們繪制了“Volume”列數(shù)據(jù)。

現(xiàn)在讓我們使用子圖繪制所有其他列。

df.plot(subplots=True, figsize=(4, 4))

上面使用的線圖很好地顯示了季節(jié)性。

季節(jié)性：在時間序列數(shù)據(jù)中，季節(jié)性是指在小于一年的特定規(guī)則時間間隔（如每周、每月或每季度）發(fā)生的變化。

重采樣：重采樣是一種經(jīng)濟(jì)地使用數(shù)據(jù)樣本來提高總體參數(shù)的準(zhǔn)確性和量化總體參數(shù)的不確定性的方法。采樣幾個月或幾個星期，制作條形圖是另一種非常簡單和廣泛使用的尋找季節(jié)性的方法。在這里，我們將繪制2016年和2017年月份數(shù)據(jù)的條形圖。

重采樣并繪制數(shù)據(jù)

# Resampling the time series data based on monthly 'M' frequency
df_month = df.resample("M").mean()

# using subplot
fig, ax = plt.subplots(figsize=(6, 6))

# plotting bar graph
ax.bar(df_month['2016':].index, 
	df_month.loc['2016':, "Volume"], 
	width=25, align='center')

圖中有24個條形，每個條形代表一個月。

差分：差分用于計算指定區(qū)間的值之間的差異。默認(rèn)情況下，它是一個，我們可以為圖指定不同的值。這是刪除數(shù)據(jù)中趨勢的最常用方法。

df.Low.diff(2).plot(figsize=(6, 6))

df.High.diff(2).plot(figsize=(10, 6))

數(shù)據(jù)集中的趨勢

我們可以在數(shù)據(jù)集中看到趨勢的變化，趨勢可以幫助我們看到我們正在考慮的數(shù)據(jù)的價值從長遠(yuǎn)來看是上升還是下降。

# Finding the trend in the "Open"
# column using moving average method
window_size = 50
rolling_mean = df['Open'].rolling\
			(window_size).mean()
rolling_mean.plot()

繪制數(shù)據(jù)隨時間的變化

我們還可以繪制數(shù)據(jù)隨時間發(fā)生的變化。有幾種方法可以繪制數(shù)據(jù)的變化。

Shift：Shift函數(shù)可用于在指定的時間間隔之前或之后移動數(shù)據(jù)。我們可以指定時間，默認(rèn)情況下將數(shù)據(jù)移動一天。這意味著我們將獲得前一天的數(shù)據(jù)。同時查看前一天的數(shù)據(jù)和今天的數(shù)據(jù)是有幫助的。

在這段代碼中，.div（）函數(shù)幫助填充缺少的數(shù)據(jù)值。如果我們使用df.div（6）它將把df中的每個元素除以6。我們這樣做是為了避免’shift（）'操作創(chuàng)建的null或缺失值。

在這里，我們使用了.div（df.Close.shift()），它會將df的每個值除以df.Close.shift（）以去除空值。

df['Change'] = df.Close.div(df.Close.shift())
df['Change'].plot(figsize=(10, 8), fontsize=16)

我們也可以采取一個特定的時間間隔使圖形有一個更清晰的外觀。這里我們只繪制了2017年的數(shù)據(jù)。

df['2017']['Change'].plot(figsize=(10, 6))

時間序列數(shù)據(jù)集中的箱形圖

我們還可以使用箱線圖來查看特定列中值的分布。讓我們以任務(wù)為例。在這里，我們使用datetime獲取一個名為Year的新列。然后我們在Y軸上取“Open”列。

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

# reading the dataset using read_csv
df = pd.read_csv("stock_data.csv", parse_dates=True)
df.drop(columns='Unnamed: 0', inplace=True)

df['Date']= pd.to_datetime(df['Date'])

# extract year from date column
df["Year"] = df["Date"].dt.year

# box plot grouped by year
sns.boxplot(data=df, x="Year", y="Open")

到此這篇關(guān)于Python中的時序分析和可視化案例詳解的文章就介紹到這了,更多相關(guān)Python時序分析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論