12 - Re-muestreo de series temporales
Lección 12 del curso Pandas Nivel Avanzado.
En la lección anterior vimos los conceptos de frecuencia y “offset” aplicados a las Series de Tiempo en Pandas.
En esta lección retomaremos el concepto de frecuencia visto en la lección anterior y veremos cómo realizar el re-muestreo de una Serie Temporal, que en esencia consiste en cambiar su frecuencia.
Por ejemplo, con el re-muestreo podemos pasar de una serie con una frecuencia diaria a una frecuencia semanal, o de una frecuencia de 1 hora a una frecuencia de 12 horas.
Y para lograr esto Pandas posee dos métodos: asfreq() y resample().
Así que en esta lección veremos estos dos métodos en detalle pero antes comenzaremos respondiendo una pregunta fundamental: ¿cómo determinar la frecuencia de una Serie de Tiempo?
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Muy bien! Acabamos de ver que el atributo freq del índice de una Serie de Tiempo nos permite determinar la frecuencia de dicha Serie. Sin embargo, para casos en los cuales la Serie de Tiempo no tiene una frecuencia definida, podemos usar el método infer_freq() de Pandas para tratar de inferir dicha frecuencia.
Además, vimos en detalle cómo funcionan los métodos asfreq() y resample() que en ambos casos permiten cambiar (aumentar o disminuir) la frecuencia de la Serie.
Vimos también que asfreq() involucra eliminación de datos al momento de hacer el re-muestreo, mientras que resample() tiene un principio de funcionamiento similar al método groupby() que vimos en un curso anterior: agrupa porciones de la serie y luego agrega los datos.
Así que en la próxima lección veremos otra técnica que en ocasiones resulta útil al momento de procesar una serie. Hablaremos entonces del desplazamiento en el tiempo de series temporales.