Time Series 简明教程

Time Series - Data Processing and Visualization

时间序列是在等距时间间隔内编制索引的一系列观测。因此，在任何时间序列中都应该保持顺序和连续性。

我们将使用的该数据集是一个多变量时间序列，它具有一个受严重污染的意大利城市空气质量的约一年的时均数据。可以从以下提供的链接下载该数据集 − https://archive.ics.uci.edu/ml/datasets/air+quality 。

必须确保 −

  1. 该时间序列是等距的，并且

  2. 其中没有冗余值或间隙。

如果时间序列不连续，我们可以对其上采样或下采样。

Showing df.head()

[122] 中：

import pandas

[123] 中：

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

[124] 中：

len(df)

Out[124]：

9471

In [125]：

df.head()

Out[125]：

code snippet

对于时间序列的预处理，我们要确保数据集中没有 NaN(NULL) 值；如果有，我们可以将它们用 0 或平均值，或者前一个或后一个值替换。替换比丢弃是首选，以便保持时间序列的连续性。但是，在我们的数据集中，最后几个值似乎是 NULL，因此丢弃不会影响连续性。

Dropping NaN(Not-a-Number)

In [126]：

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

In [127]：

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

In [128]：

df.isna().sum()

Out[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

时间序列通常被描绘成时序折线图。为此，现在我们将日期和时间列结合起来，并将其从字符串转换为 datetime 对象。这可以使用 datetime 库完成。

Converting to datetime object

In [129]：

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

<class 'str'>

In [130]：

import datetime

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

<class 'pandas._libs.tslibs.timestamps.Timestamp'>

让我们看看一些变量，例如随着时间的变化温度如何变化。

Showing plots

In [131]：

df.index = df.DateTime

In [132]：

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

Out[132]：

[<matplotlib.lines.Line2D at 0x1eaad67f780>]
code snippet4

In [208]：

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

Out[208]：

[<matplotlib.lines.Line2D at 0x1eaaeedff28>]

箱形图是另一种有用的图表，允许您将有关数据集的大量信息浓缩到单个图表中。它显示一个或多个变量的平均值、25% 和 75% 的四分位数以及异常值。当异常值数量较少并且与平均值相差很远时，我们可以通过将它们设置为平均值或 75% 四分位数来消除这些异常值。

Showing Boxplots

In [134]:

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

Out[134]:

{'whiskers': [<matplotlib.lines.Line2D at 0x1eaac16de80>,
   <matplotlib.lines.Line2D at 0x1eaac16d908>,
   <matplotlib.lines.Line2D at 0x1eaac177a58>,
   <matplotlib.lines.Line2D at 0x1eaac177cf8>],
   'caps': [<matplotlib.lines.Line2D at 0x1eaac16d2b0>,
   <matplotlib.lines.Line2D at 0x1eaac16d588>,
   <matplotlib.lines.Line2D at 0x1eaac1a69e8>,
   <matplotlib.lines.Line2D at 0x1eaac1a64a8>],
   'boxes': [<matplotlib.lines.Line2D at 0x1eaac16dc50>,
   <matplotlib.lines.Line2D at 0x1eaac1779b0>],
   'medians': [<matplotlib.lines.Line2D at 0x1eaac16d4a8>,
   <matplotlib.lines.Line2D at 0x1eaac1a6c50>],
   'fliers': [<matplotlib.lines.Line2D at 0x1eaac177dd8>,
   <matplotlib.lines.Line2D at 0x1eaac1a6c18>],'means': []
}
code snippet5