Временные ряды (англ. time series) — это последовательности чисел на оси времени.
Задача 1
Измените тип данных Datetime с object на datetime64. Но прежде запустите код и просмотрите общую информацию о данных.
В документации Pandas выберите любой способ преобразования данных. Формат вывода даты указывать не нужно: библиотека определит его самостоятельно.
Напечатайте на экране информацию о таблице
import pandas as pd
data = pd.read_csv('/datasets/energy_consumption.csv')
data['Datetime']=pd.to_datetime(data['Datetime'])
print(data.info())
Задача 2
Установите индекс таблицы равным столбцу Datetime. В документации Pandas выберите любой способ установки индекса.
import pandas as pd
data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])
print(data.info())
Задача 3
Чтобы проверить, в хронологическом ли порядке расположены даты и время, посмотрите атрибут индекса таблицы is_monotonic (англ. «монотонный»). Если порядок соблюдён, атрибут вернёт True, если нет — False.
Отсортируйте индекс таблицы. Метод найдите в документации.
Напечатайте на экране значение атрибута is_monotonic (уже в прекоде). Затем вызовом функции info() выведите на экран общую информацию о таблице.
import pandas as pd
data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])
data.sort_index(inplace=True)
print(data.index.is_monotonic)
Задача 4
Из временного ряда выделите данные с января по июнь 2018 года.
Даты во временных рядах можно указывать в срезах. В прекоде выбраны значения с 2016 по 2017 год включительно.
import pandas as pd
data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])
data.sort_index(inplace=True)
data = data['2018-01':'2018-06']
print(data.info())
Постройте график временного ряда.
import pandas as pd
data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])
data.sort_index(inplace=True)
data = data['2018-01':'2018-06']
data.plot()