[Aprenda Time Series] - Processamento dos dados e visualização

A série temporal é uma sequência de observações indexadas em intervalos de tempo equidistantes. Portanto, a ordem e a continuidade devem ser mantidas em qualquer série temporal.

O conjunto de dados que usaremos é uma série temporal multivariada com dados horários de aproximadamente um ano, para a qualidade do ar em uma cidade italiana significativamente poluída. O conjunto de dados pode ser baixado do link abaixo - https://archive.ics.uci.edu/ml/datasets/air+quality.

É necessário ter certeza de que:

• A série temporal é igualmente espaçada e não há valores redundantes ou lacunas nela.
• Caso a série temporal não seja contínua, podemos aumentar ou diminuir a resolução.

import pandas

df = pandas.read_csv("AirQualityUCI.csv", sep = ";", decimal = ",")
df = df.iloc[ : , 0:14]

Para pré-processar a série temporal, certificamo-nos de que não há valores NaN (NULL) no conjunto de dados; se houver, podemos substituí-los por 0 ou valores médios ou precedentes ou sucessivos. Substituir é uma escolha preferida em vez de descartar para que a continuidade da série temporal seja mantida. No entanto, em nosso conjunto de dados, os últimos valores parecem ser NULL e, portanto, a eliminação não afetará a continuidade.

Depois de verificado os valores NaN, temos:

As séries temporais geralmente são plotadas como gráficos de linha em relação ao tempo. Para isso, vamos combinar a coluna de data e hora e convertê-la em um objeto datetime a partir de strings. Isso pode ser feito usando a biblioteca datetime.

Convertendo em objeto datetime

Vamos ver como algumas variáveis, como a temperatura, mudam com a mudança no tempo.

Mostrando plotagens

Mostrando BoxPlots

Box-plots são outro tipo de gráfico útil que permite condensar muitas informações sobre um conjunto de dados em um único gráfico. Mostra a média, quartil 25% e 75% e outliers de uma ou múltiplas variáveis. No caso em que o número de outliers é pequeno e muito distante da média, podemos eliminar os outliers configurando-os para o valor médio ou o valor do quartil de 75%.

No próximo artigo veremos a modelagem para Time Series.