Lección 9 del curso Pandas Nivel Avanzado.
En la lección anterior vimos otras dos formas de definir el índice de una Serie de Tiempo en Pandas: por periodos de tiempo (con el tipo de dato PeriodIndex) y por tiempo transcurrido (usando el tipo de dato TimedeltaIndex).
En esta lección comenzaremos a ver una de las ventajas del tipo de dato DatetimeIndex como índice de una Serie de Tiempo en Pandas.
En particular veremos cómo este tipo de índice facilita la indexación y el “slicing” de la Serie de Tiempo, con lo cual podremos extraer porciones de la Serie con base precisamente en la variable 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 lo intuitivo y sencillo que resulta realizar el “slicing” de una Serie de Tiempo en Pandas.
Basta con usar el método «loc» y especificar en el argumento el instante o rango de tiempo de interés (fecha y hora).
Y lo interesante de esta indexación es que el argumento de «loc» para una Serie de Tiempo nos permite definir la fecha y hora de manera exacta o también usando coincidencias parciales.
En la próxima lección hablaremos del filtrado de Series de Tiempo en Pandas, que nos permite combinar las técnicas de “slicing” que acabamos de ver, con métodos propios del DataFrame y con el uso de condicionales para extraer diferentes porciones de la Serie de Tiempo de manera más sofisticada.
Todas las lecciones del curso Pandas Nivel Avanzado