18 - Proyecto final: análisis de Series de Tiempo (Calentamiento Global) - Parte 3: preparación de los datos
Lección 18 del curso Pandas Nivel Avanzado.
En la lección anterior vimos el proceso de recolección de los datos necesarios para este proyecto.
Pero en esa lección vimos que estos datos no eran ideales, pues algunos de ellos contenían columnas irrelevantes para nuestro análisis mientras que en otros casos la información no estaba consolidada en un único set de datos.
Así que en esta lección veremos cómo preparar estos datos antes de realizar el análisis. Y esta preparación será la fase más extensa de este proyecto final.
Al final de esta etapa nos interesa contar con tres Series de Tiempo asociadas a la temperatura, la población mundial y los niveles de concentración de CO2.
Veamos entonces cómo realizar el procesamiento de estos datos:
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
Acabamos de ver todas las fases involucradas en el procesamiento de los datos. En esencia hemos llevado a cabo estos pasos en cada uno de los casos:
- Hemos eliminado las columnas que contenían datos irrelevantes y hemos renombrado aquellas que hemos decidido preservar
- Hemos verificado si el set de datos contenía datos faltantes y hemos implementado estrategias como la interpolación o el re-muestreo para completar dichos datos
- Hemos convertido cada set de datos a su representación como Serie de Tiempo en Pandas, fijando el índice en el formato DateTimeIndex
- Y finalmente, hemos verificado que dicho índice estaba organizado de manera ascendente y con registros consecutivos equi-espaciados
Adicionalmente, en el caso de la temperatura hemos representado las “anomalías” como valores reales de temperatura para cada año y mes dentro de la Serie de Tiempo, mientras que para el caso de los niveles de concentración de CO2 hemos combinado los dos sets de datos pre-procesados en uno sólo teniendo así registros anuales desde 1.750 hasta el año 2.022.
Así que en este punto ya tenemos tres sets de datos (temperatura, población y niveles de concentración de CO2) en el formato requerido para realizar el análisis de las Series de Tiempo, que será el tema de la próxima lección.