时间序列-数据处理和可视化

📌 相关文章

📜 时间序列-数据处理和可视化

📅 最后修改于: 2020-12-10 06:23:07 🧑 作者: Mango

时间序列是按等距时间间隔索引的观察序列。因此，应该在任何时间序列中保持顺序和连续性。

我们将使用的数据集是一个多变量时间序列，其中包含大约一年的每小时数据，用于一个污染严重的意大利城市的空气质量。可以从下面给出的链接中下载数据集-https: //archive.ics.uci.edu/ml/datasets/air+quality 。

有必要确保-

时间序列等距分布，并且
没有多余的值或空白。

如果时间序列不是连续的，我们可以对其进行上采样或下采样。

显示df.head()

在[122]中：

import pandas

在[123]中：

df = pandas.read_csv("AirQualityUCI.csv", sep = ";", decimal = ",")
df = df.iloc[ : , 0:14]

在[124]中：

len(df)

出[124]：

在[125]中：

df.head()

出[125]：

代码段

为了预处理时间序列，我们确保数据集中没有NaN(NULL)值；如果有的话，我们可以将它们替换为0或平均值或之前或之后的值。与丢弃相比，替换是首选选择，这样可以保持时间序列的连续性。但是，在我们的数据集中，最后几个值似乎为NULL，因此删除不会影响连续性。

删除NaN(非数字)

在[126]中：

df.isna().sum()
Out[126]:
Date             114
Time             114
CO(GT)           114
PT08.S1(CO)      114
NMHC(GT)         114
C6H6(GT)         114
PT08.S2(NMHC)    114
NOx(GT)          114
PT08.S3(NOx)     114
NO2(GT)          114
PT08.S4(NO2)     114
PT08.S5(O3)      114
T                114
RH               114
dtype: int64

在[127]中：

df = df[df['Date'].notnull()]

在[128]中：

df.isna().sum()

出[128]：

Date             0
Time             0
CO(GT)           0
PT08.S1(CO)      0
NMHC(GT)         0
C6H6(GT)         0
PT08.S2(NMHC)    0
NOx(GT)          0
PT08.S3(NOx)     0
NO2(GT)          0
PT08.S4(NO2)     0
PT08.S5(O3)      0
T                0
RH               0
dtype: int64

时间序列通常绘制为相对于时间的折线图。为此，我们现在将合并date和time列，并将其从字符串转换为datetime对象。这可以使用datetime库来完成。

转换为日期时间对象

在[129]中：

df['DateTime'] = (df.Date) + ' ' + (df.Time)
print (type(df.DateTime[0]))

在[130]中：

import datetime

df.DateTime = df.DateTime.apply(lambda x: datetime.datetime.strptime(x, '%d/%m/%Y %H.%M.%S'))
print (type(df.DateTime[0]))

让我们看看温度等一些变量如何随时间变化。

显示情节

在[131]中：

df.index = df.DateTime

在[132]中：

import matplotlib.pyplot as plt
plt.plot(df['T'])

出[132]：

[]

代码段4

在[208]中：

plt.plot(df['C6H6(GT)'])

出[208]：

[]

箱形图是另一种有用的图形，它使您可以将有关数据集的许多信息压缩到单个图形中。它显示一个或多个变量的均值，25％和75％的四分位数和离群值。在离群数很少且与均值相距甚远的情况下，我们可以通过将其设置为均值或75％四分位数来消除离群值。

显示箱线图

在[134]中：

plt.boxplot(df[['T','C6H6(GT)']].values)

出[134]：

{'whiskers': [,
   ,
   ,
   ],
   'caps': [,
   ,
   ,
   ],
   'boxes': [,
   ],
   'medians': [,
   ],
   'fliers': [,
   ],'means': []
}

代码段5