pandas
Trabajando con series de tiempo

Creación de series de tiempo

Aquí es cómo crear una serie de tiempo simple.

import pandas as pd
import numpy as np

# The number of sample to generate
nb_sample = 100

# Seeding to obtain a reproductible dataset
np.random.seed(0)

se = pd.Series(np.random.randint(0, 100, nb_sample),
                  index = pd.date_range(start = pd.to_datetime('2016-09-24'),
                                        periods = nb_sample, freq='D'))
se.head(2)

# 2016-09-24    44
# 2016-09-25    47

se.tail(2)

# 2016-12-31    85
# 2017-01-01    48

Indización parcial de cuerdas

Una forma muy útil de subconjuntar series temporales es usar la indexación parcial de cadenas . Permite seleccionar el rango de fechas con una sintaxis clara.

Obteniendo datos

Estamos utilizando el conjunto de datos en el ejemplo de Creación de series temporales.

Viendo cabeza y cola para ver los límites.

se.head(2).append(se.tail(2))

# 2016-09-24    44
# 2016-09-25    47
# 2016-12-31    85
# 2017-01-01    48

Subconjunto

Ahora podemos subdividir por año, mes, día de manera muy intuitiva.

Por año

se['2017']

# 2017-01-01    48

Por mes

se['2017-01']

# 2017-01-01    48

Por día

se['2017-01-01']

# 48

Con un rango de año, mes, día de acuerdo a sus necesidades.

se['2016-12-31':'2017-01-01']

# 2016-12-31    85
# 2017-01-01    48

pandas también proporciona una función truncate dedicada para este uso a través de los parámetros de before y after , pero creo que es menos claro.

se.truncate(before='2017')

# 2017-01-01    48

se.truncate(before='2016-12-30', after='2016-12-31')

# 2016-12-30    13
# 2016-12-31    85