如何将数据转换为时间序列数据
生活中股票、金融等数据是随着时间的变化的序列数据。这些数据是根据预定义的变量并在固定的间隔时间采集的。时间序列数据最主要的特征就是其顺序是非常关键的。
为了对这些数据进行分析和可视化,方法主要如下:
(1)加载数据:读取文本或者其他格式数据,本例中用到一个包含4列的文本文件,其中第一列表示年,第二列表示月,第三列和第四列表示数据,摘取部分:
2014,2,68.93,85.542014,3,65.96,53.192014,4,69.56,67.47data = np.loadtxt(input_filename, delimiter=',')(2)由于数据是有序的,第一行是起始日期,而数据的最后一行是终止日期。需要提取出数据集的起始日期和终止日期:
# 提取起始日期和终止日期
start_date = str(int(data[0,0])) + '-' + str(int(data[0,1]))
end_date = str(int(data[-1,0] + 1)) + '-' + str(int(data[-1,1]% 12 +1))
(3)提取出数据后,我们可以用pandas模块自动生成连续月的序列,当然,也可以生成其他方式。
# 创建以月为间隔的变量
dates = pd.date_range(start_date, end_date, freq='M')
(4)将数据绑定到第3步提取的序列中。
# 将日期转换成时间序列
data_timeseries1= convert_data_to_timeseries(input_file, 2)
data_timeseries2= convert_data_to_timeseries(input_file, column_num)
(5)绘出数据。
data_timeseries2.plot()
plt.title('Data(%s-%s)'%(start_date,end_date))
plt.show()