Lección 8 del curso Pandas Nivel Avanzado.
En la lección anterior vimos cómo usar el tipo de dato DatetimeIndex para definir una Serie de Tiempo en Pandas.
Esta es la alternativa comúnmente usada, pues permite que el índice contenga la información de la fecha y hora para cada uno de los registros presentes en la Serie de Tiempo.
Sin embargo, dependiendo del análisis que queramos realizar sobre la Serie de Tiempo, en ocasiones puede resultar útil que el índice esté definido por períodos de tiempo (semanas, meses, años, etc.) o como el tiempo transcurrido a partir de un instante determinado.
En estos casos requerimos formas alternativas de definir el índice. Así que en esta lección veremos otras dos formas adicionales que comúnmente podremos encontrar para definir el índice de una Serie de Tiempo: por periodos de tiempo (con el tipo de dato PeriodIndex) y por “deltas” de tiempo (con el tipo de dato TimedeltaIndex):
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 dos formas alternativas de definir el índice de una Serie de Tiempo en Pandas.
La primera es usando el tipo de dato PeriodIndex, que permite expresar el índice en intervalos de tiempo regulares (semanas, meses, años, etc.), y la segunda es usando TimedeltaIndex que permite representar cada instante de tiempo de manera relativa, es decir calculado con respecto a un instante de tiempo de referencia.
En este punto, y con lo visto en estas tres últimas lecciones, ya tenemos claridad sobre la forma como se puede representar la variable tiempo en Pandas y cómo usarla para representar de manera adecuada una Serie de Tiempo.
Así que en las siguientes lecciones de este módulo nos enfocaremos en las diferentes herramientas que nos ofrece Pandas para operar sobre estos tipos de dato, comenzando con el “slicing” de una Serie de Tiempo que será el tema de la próxima lección.
Todas las lecciones del curso Pandas Nivel Avanzado