3 - Lectura y visualización de Series de Tiempo (repaso)
Lección 3 del curso Series de Tiempo: Pre-procesamiento.
En la lección anterior vimos una ruta de aprendizaje sugerida para aprender las diferentes técnicas de preparación, análisis y generación de pronósticos sobre Series de Tiempo.
En esta lección haremos un repaso de las principales herramientas para la lectura y visualización de Series de Tiempo usando las librerías Pandas, Seaborn y Matplotlib.
Sin embargo, para ver el uso avanzado de varias de estas técnicas sugiero revisar las siguientes lecciones del curso “Pandas Nivel Avanzado” disponible acá en la Academia Online:
- Lección 7: Series de tiempo en Pandas: índices
- Lección 15: Herramientas para la visualización de series de tiempo
Suscríbete para tener acceso 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 la forma de leer correctamente una o múltiples Series de Tiempo como un DataFrame de Pandas haciendo uso del método read_csv y de los parámetros parse_dates e index_col.
Además, vimos como usar librerías como Seaborn y Matplotlib, así como el método plot() de Pandas, para generar gráficos de Series de Tiempo controlando a la vez las etiquetas usadas precisamente como marcas de tiempo dentro de la gráfica.
Así que con esto ya hemos completado este primer módulo introductorio del curso y ya estamos listos para comenzar a ver en detalle las principales técnicas de pre-procesamiento de Series de Tiempo.
En el siguiente módulo nos enfocaremos entonces en las técnicas de manejo de datos faltantes y específicamente, en la próxima lección, comenzaremos entendiendo cuáles son los tipos de datos faltantes que podemos tener en una Serie de Tiempo.