Lección 14 del curso Pandas Nivel Avanzado.
En la lección anterior vimos cómo realizar el desplazamiento en el tiempo de una Serie de Tiempo en Pandas.
El uso de ventanas móviles es una herramienta poderosa que permite en muchas ocasiones extraer información relevante de una Serie de Tiempo. Y la idea es sencilla:
- Se define una “ventana de tiempo” que equivale simplemente a un conjunto de registros (filas) de la Serie de Tiempo.
- Se calcula alguna métrica de agregación sobre esta ventana (por ejemplo el promedio, la desviación estándar, el mínimo, el máximo, etc.)
- Se “desplaza” la ventana un cierto número de registros y se repiten los pasos (1) y (2) hasta que la ventana haya recorrido toda la señal.
Los principales usos que podemos darle a este concepto de las ventanas móviles en el Análisis de Series de Tiempo son:
- Para detectar patrones y tendencias en la Serie de Tiempo. Por ejemplo podemos calcular la media móvil ( = ventana móvil + promedio) para determinar si los valores de la Serie de Tiempo se incrementan, se reducen o se mantienen relativamente constantes a lo largo del tiempo.
- Para detectar anomalías en la Serie de Tiempo. Si volvemos al caso de la media móvil podemos, usando herramientas de visualización, determinar en qué instantes de tiempo los valores de la Serie superan o son inferiores a su promedio (o a un cierto umbral que establezcamos)
- Para visualizar la Serie de Tiempo y sus características. Así podemos ver no sólo la Serie de Tiempo misma sino otras características adicionales calculadas con ventanas móviles.
En Pandas el método usado para aplicar las ventanas móviles es «rolling()». Entonces en esta lección veremos las diferentes maneras de usar este método para procesar una Serie de Tiempo:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Acabamos de ver qué son las ventanas de tiempo y cómo realizar este tipo de procesamiento sobre una Serie de Tiempo en Pandas haciendo uso del método «rolling()».
Vimos que controlando el tamaño de la ventana (parámetro window) y el tamaño del salto (parámetro step) junto con diferentes funciones de agregación o funciones personalizadas, podemos realizar un procesamiento avanzado de la Serie de Tiempo, lo que a su vez nos permite obtener información relevante de la misma.
En la próxima lección veremos cómo combinar las ideas vistas en esta lección y en lecciones anteriores con un componente gráfico que nos permitirá complementar el análisis que realicemos sobre una Serie de Tiempo. Veremos entonces diferentes formas de visualizar Series de Tiempo en Pandas.
Todas las lecciones del curso Pandas Nivel Avanzado