- •Об авторе
- •О научном редакторе
- •От издательства
- •Введение
- •Использование Python для data science
- •Для кого эта книга?
- •О чем эта книга?
- •Глава 1. Базовые знания о данных
- •Категории данных
- •Неструктурированные данные
- •Структурированные данные
- •Слабоструктурированные данные
- •Данные временных рядов
- •Источники данных
- •Веб-страницы
- •Базы данных
- •Файлы
- •Получение
- •Очистка
- •Преобразование
- •Анализ
- •Хранение
- •Питонический стиль
- •Выводы
- •Глава 2. Структуры данных Python
- •Списки
- •Создание списка
- •Использование общих методов списков
- •Использование срезов
- •Использование списка в качестве очереди
- •Использование списка в качестве стека
- •Использование списков и стеков для обработки естественного языка
- •Расширение функциональности с помощью списковых включений
- •Кортежи
- •Список кортежей
- •Неизменяемость
- •Словари
- •Список словарей
- •Добавление элементов в словарь с помощью setdefault()
- •Преобразование JSON в словарь
- •Множества
- •Удаление дубликатов из последовательности
- •Общие операции с множеством
- •Упражнение № 1: продвинутый анализ тегов фотографий
- •Выводы
- •NumPy
- •Установка NumPy
- •Создание массива NumPy
- •Выполнение поэлементных операций
- •Использование статистических функций NumPy
- •Упражнение № 2: использование статистических функций numpy
- •pandas
- •Установка pandas
- •pandas Series
- •Упражнение № 3: объединение трех серий
- •pandas DataFrame
- •Упражнение № 4: использование разных типов join
- •scikit-learn
- •Установка scikit-learn
- •Получение набора образцов
- •Преобразование загруженного датасета в pandas DataFrame
- •Разделение набора данных на обучающий и тестовый
- •Преобразование текста в числовые векторы признаков
- •Обучение и оценка модели
- •Создание прогнозов на новых данных
- •Выводы
- •Глава 4. Доступ к данным из файлов и API
- •Импортирование данных с помощью функции open()
- •Текстовые файлы
- •Файлы с табличными данными
- •Упражнение № 5: открытие json-файлов
- •Двоичные файлы
- •Экспортирование данных в файл
- •Доступ к удаленным файлам и API
- •Как работают HTTP-запросы
- •Библиотека urllib3
- •Библиотека Requests
- •Упражнение № 6: доступ к api с помощью requests
- •Перемещение данных в DataFrame и из него
- •Импортирование вложенных структур JSON
- •Конвертирование DataFrame в JSON
- •Выводы
- •Глава 5. Работа с базами данных
- •Реляционные базы данных
- •Понимание инструкций SQL
- •Начало работы с MySQL
- •Определение структуры базы данных
- •Вставка данных в БД
- •Запрос к базе данных
- •Упражнение № 8: объединение «один-ко-многим»
- •Использование инструментов аналитики баз данных
- •Базы данных NoSQL
- •Документоориентированные базы данных
- •Упражнение № 9: вставка и запрос нескольких документов
- •Выводы
- •Глава 6. Агрегирование данных
- •Данные для агрегирования
- •Объединение датафреймов
- •Группировка и агрегирование данных
- •Просмотр конкретных агрегированных показателей по MultiIndex
- •Срез диапазона агрегированных значений
- •Срезы на разных уровнях агрегирования
- •Добавление общего итога
- •Добавление промежуточных итогов
- •Выбор всех строк в группе
- •Выводы
- •Глава 7. Объединение датасетов
- •Объединение встроенных структур данных
- •Объединение списков и кортежей с помощью оператора +
- •Объединение словарей с помощью оператора **
- •Объединение строк из двух структур
- •Реализация join-объединений списков
- •Конкатенация массивов NumPy
- •Объединение структур данных pandas
- •Конкатенация датафреймов
- •Удаление столбцов/строк из датафрейма
- •Join-объединение двух датафреймов
- •Выводы
- •Глава 8. Визуализация
- •Распространенные способы визуализации
- •Линейные диаграммы
- •Столбчатые диаграммы
- •Круговые диаграммы
- •Гистограммы
- •Построение графиков с помощью Matplotlib
- •Установка Matplotlib
- •Использование matplotlib.pyplot
- •Работа с объектами Figure и Axes
- •Создание гистограммы с помощью subplots()
- •Совместимость Matplotlib с другими библиотеками
- •Построение графиков для данных pandas
- •Отображение данных геолокации с помощью Cartopy
- •Выводы
- •Глава 9. Анализ данных о местоположении
- •Получение данных о местоположении
- •Преобразование стандартного вида адреса в геокоординаты
- •Получение геокоординат движущегося объекта
- •Анализ пространственных данных с помощью geopy и Shapely
- •Поиск ближайшего объекта
- •Поиск объектов в определенной области
- •Объединение двух подходов
- •Упражнение № 15: совершенствование алгоритма подбора машины
- •Получение непространственных характеристик
- •Объединение датасетов с пространственными и непространственными данными
- •Выводы
- •Глава 10. Анализ данных временных рядов
- •Регулярные и нерегулярные временные ряды
- •Общие методы анализа временных рядов
- •Вычисление процентных изменений
- •Вычисление скользящего окна
- •Вычисление процентного изменения скользящего среднего
- •Многомерные временные ряды
- •Обработка многомерных временных рядов
- •Анализ зависимости между переменными
- •Выводы
- •Глава 11. Получение инсайтов из данных
- •Ассоциативные правила
- •Поддержка
- •Доверие
- •Лифт
- •Алгоритм Apriori
- •Создание датасета с транзакциями
- •Определение часто встречающихся наборов
- •Генерирование ассоциативных правил
- •Визуализация ассоциативных правил
- •Получение полезных инсайтов из ассоциативных правил
- •Генерирование рекомендаций
- •Планирование скидок на основе ассоциативных правил
- •Выводы
- •Глава 12. Машинное обучение для анализа данных
- •Почему машинное обучение?
- •Типы машинного обучения
- •Обучение с учителем
- •Обучение без учителя
- •Как работает машинное обучение
- •Данные для обучения
- •Статистическая модель
- •Неизвестные данные
- •Пример анализа тональности: классификация отзывов о товарах
- •Получение отзывов о товарах
- •Очистка данных
- •Разделение и преобразование данных
- •Обучение модели
- •Оценка модели
- •Упражнение № 19: расширение набора примеров
- •Прогнозирование тенденций фондового рынка
- •Получение данных
- •Извлечение признаков из непрерывных данных
- •Генерирование выходной переменной
- •Обучение и оценка модели
- •Выводы
10
Анализ данных временных рядов
Данные временного ряда, или данные с метками време-
ни, — это набор точек, индексированных в хронологи-
ческом порядке. Классические примеры информации
такого типа — экономические индексы, данные о погоде
и показатели здоровья пациентов, которые фиксируются во времени. В этой главе рассматриваются методы анализа данных временных рядов и извлечения из них значимой статистики
с помощью библиотеки pandas. Мы разберем их на примере анализа данных фондового рынка, но те же методы можно применять ко всем видам временных рядов.
Регулярные и нерегулярные временные ряды
Временной ряд может быть создан на основе любой переменной, которая изменяется во времени, и эти изменения могут регистрироваться либо через регулярные, либо через нерегулярные промежутки времени. Регулярные интервалы встречаются чаще. В финансовой сфере, например, временные ряды часто используются для отслеживания изменения цен на акции по дням, как показано ниже:
Дата |
Цена закрытия |
----------- |
------------- |
16-FEB-2022 |
10.26 |
17-FEB-2022 |
10.34 |
18-FEB-2022 |
10.99 |
|
|
210 Глава 10. Анализ данных временных рядов
Как видите, колонка Date содержит метки времени, расположенные в хронологическом порядке, для сохранения последовательности дней. Соответствующие точки данных, часто называемые наблюдениями, представлены в колонке Цена закрытия. Временные ряды такого типа называются регулярными или непрерывными, поскольку наблюдения фиксируются непрерывно через одинаковые промежутки времени.
Еще один пример регулярных временных рядов — ежеминутно записываемые координаты широты и долготы местонахождения автомобиля:
Время |
Координаты |
------- |
---------------- |
20:43:00 |
37.801618, -122.374308 |
20:44:00 |
37.796599, -122.379432 |
20:45:00 |
37.788443, -122.388526 |
|
|
Здесь метки времени не содержат дат, тем не менее они расположены в хронологическом порядке, минута за минутой.
В отличие от регулярных временных рядов, нерегулярные используются для регистрации последовательности событий по мере их фактического или планируемого возникновения, а не через регулярные промежутки времени. В качестве простого примера рассмотрим программу конференции:
Время |
Событие |
------- |
---------------------- |
8:00 |
Регистрация участников |
9:00 |
Утренние сессии |
12:10 |
Обед |
12:30 |
Дневные сессии |
|
|
Метки времени для этой серии точек распределены неравномерно — они зависят от того, сколько времени должно занять каждое событие.
Нерегулярные временные ряды обычно используются в приложениях, где данные поступают непредсказуемо. Разработчикам знакомы нерегулярные временные ряды по журналу ошибок, возникающих при работе сервера или выполнении приложения. Предсказать, когда возникнут ошибки, трудно, и почти наверняка они не будут происходить через регулярные промежутки времени. Приведем еще один пример: приложение, отслеживающее потребление электроэнергии, может использовать нерегулярный временной ряд для регистрации аномалий, таких как всплески и сбои, которые возникают произвольным образом.