Rééchantillonner des séries temporelles

Le rééchantillonnage modifie la fréquence d’une série temporelle. La réduction de fréquence diminue la fréquence — par exemple, en convertissant des données quotidiennes en totaux mensuels. L’augmentation de fréquence accroît la fréquence — par exemple, en convertissant des données mensuelles en données quotidiennes et en comblant les intervalles avec des valeurs interpolées. Ces deux opérations nécessitent un DatetimeIndex et s’effectuent avec la méthode resample(), la version de Pandas tenant compte du temps pour groupby().

df.resample(rule) crée un objet DatetimeIndexResampler, où rule est un alias de décalage de fréquence. Comme avec groupby(), aucun calcul n’est effectué tant que vous n’enchaînez pas une méthode d’agrégation. Règles courantes : 'D' (jour), 'W' (semaine), 'ME' (fin du mois), 'QE' (fin du trimestre) et 'YE' (fin de l’année). Le DataFrame doit avoir un DatetimeIndex.

Pour réduire la fréquence de données quotidiennes vers une fréquence mensuelle, appelez resample('ME') et enchaînez une agrégation. sum() fournit les totaux mensuels ; mean() fournit les moyennes mensuelles ; last() fournit la dernière valeur de chaque période. Le résultat contient une ligne par période, la date de fin de période servant d’étiquette d’index.

Effectuez un rééchantillonnage avec 'W' pour agréger par semaine calendaire se terminant le dimanche. Utilisez 'W-MON' si vous souhaitez des semaines se terminant le lundi. Pandas regroupe toutes les dates de chaque semaine et applique l’agrégation. Cette méthode est utile pour les rapports hebdomadaires qui nécessitent une ligne récapitulative par semaine.

Tout comme avec groupby(), vous pouvez enchaîner .agg() sur un rééchantillonneur pour calculer plusieurs statistiques en une seule passe. Transmettez une liste de noms de fonctions ou un dictionnaire pour effectuer des agrégations nommées. C’est la manière la plus efficace de créer un tableau récapitulatif complet d’une série temporelle.

Pour les séries temporelles financières, la méthode .ohlc() rééchantillonne les données afin d’obtenir les valeurs Open, High, Low et Close (OHLC) pour chaque période — la représentation standard en chandeliers. Cela n’a de sens que pour des données numériques représentant un prix ou un niveau. Chaque colonne de l’entrée produit quatre colonnes OHLC dans le résultat.

L’augmentation de fréquence accroît la fréquence, ce qui crée des lignes pour des horodatages qui n’existaient pas dans les données d’origine. Ces nouvelles lignes contiennent initialement NaN. Vous devez ensuite les remplir avec une méthode adaptée à vos données : ffill() (propagation vers l’avant — reporter la dernière valeur connue) ou bfill() (propagation vers l’arrière — utiliser la prochaine valeur connue), ou encore interpolate() pour une interpolation progressive.

Après une augmentation de fréquence, comblez les intervalles NaN créés pour les nouveaux horodatages. ffill() propage la dernière valeur connue jusqu’à l’observation réelle suivante — ce qui convient aux prix lorsque le dernier prix négocié reste valide. interpolate(method='linear') remplit les intervalles avec des valeurs régulièrement espacées entre les observations — ce qui convient aux variables continues et progressives.

Vous pouvez combiner groupby() et resample() pour rééchantillonner séparément chaque groupe. Appelez groupby(column).resample(rule) sur un DataFrame doté d’un DatetimeIndex. Cela produit un résultat avec un MultiIndex, dont le niveau externe est la clé du groupe et le niveau interne la période temporelle rééchantillonnée — ce qui est très utile pour l’analyse de séries temporelles par produit ou par région.

Par défaut, 'ME' s’ancre sur les dates de fin des mois calendaires. Pour les périodes financières non standard, utilisez des décalages comme 'QS-APR' (trimestre commençant en avril) ou 'YS-OCT' (année commençant en octobre). Pandas prend en charge de nombreux alias de décalage ancrés. Consultez la documentation de Pandas pour obtenir la liste complète lorsque vous travaillez avec des périodes financières non calendaires.

Après un rééchantillonnage, vérifiez toujours que le résultat est cohérent. Vérifiez que le nombre de périodes produites correspond aux attentes, qu’aucune période ne manque (cherchez les NaN dans le résultat) et que la somme des totaux mensuels est égale à la somme des données quotidiennes d’origine lorsque vous réduisez la fréquence avec sum(). Ces contrôles de cohérence permettent de détecter les erreurs de décalage d’une unité dans les chaînes de fréquence et les plages de dates incomplètes.

Dans cette leçon, vous avez appris que resample() est l’équivalent de groupby() tenant compte du temps pour modifier la fréquence d’une série temporelle ; que la réduction de fréquence agrège les données (du quotidien au mensuel avec sum/mean) ; que l’augmentation de fréquence crée de nouveaux horodatages qui doivent être remplis avec ffill() ou interpolate() ; et que vous pouvez combiner groupby() et resample() pour agréger les données temporelles par groupe. Nous allons maintenant découvrir les décalages et les variables retardées.