はじめに
時系列を含むデータをpandasで処理する場合、indexにdatetime型を指定すると便利だったので、
備忘録的にまとめます。
使用データ
ネット上で拾ってきた2010年から2019年までの時系列データを使用します。
df["date"] = pd.to_datetime(df["date"])
df = df.set_index("date")
df.head()
| date | A | B |
|---|---|---|
| 2010-04-01 | 93.74 | 1859.96 |
| 2010-04-02 | 94.61 | 1859.96 |
| 2010-04-05 | 94.28 | 1836.82 |
| 2010-04-06 | 93.64 | 1839.07 |
| 2010-04-07 | 93.21 | 1800.12 |
ここが便利
1. 日付を指定することで、データを選択できる。
indexにdatetime型の方式で日付を指定すると、指定範囲のデータを取得できる。
年の指定
df["2011"].head(2)
| date | A | B |
|---|---|---|
| 2011-01-03 | 81.67 | 1663.29 |
| 2011-01-04 | 82.06 | 1659.39 |
月の指定
df["2011-3"].head(2)
| date | A | B |
|---|---|---|
| 2011-03-01 | 81.92 | 1424.76 |
| 2011-03-02 | 81.84 | 1374.43 |
2.範囲指定もできる。
スライスによる範囲指定もできる
df["2012-04":"2012-05"]
| date | A | B |
|---|---|---|
| 2012-04-02 | 81.64 | 1654.39 |
| 〜〜 | 略 | 〜〜 |
| 2012-05-31 | 78.36 | 1471.49 |
3.特定の月(日)だけ抜き出す
8月だけ抜き出すというような処理も可能です。
df[df.index.month == 8]
| date | A | B |
|---|---|---|
| 2010-08-02 | 86.53 | 1509.63 |
| 2010-08-03 | 85.88 | 1527.62 |
| 〜〜 | 略 | 〜〜 |
| 2018-08-30 | 110.98 | 2840.16 |
| 2018-08-31 | 111.04 | 2840.16 |
4.年月日ごとに計算を行う。
# 年なら'y'、日なら'D'を指定してください。
# もちろんmeanを他の計算メソッドに当てても計算できます。
df.resample('M').mean()
| date | A | B |
|---|---|---|
| 2010-04-30 | 93.455909 | 1784.934091 |
| 2010-05-31 | 91.914762 | 1684.609048 |
| 〜〜 | 略 | 〜〜 |
参考サイト様
https://note.nkmk.me/python-pandas-rolling/
https://towardsdatascience.com/basic-time-series-manipulation-with-pandas-4432afee64ea