Zaman serisi, düzenli zaman aralıklarında alınan veri noktalarının oluşturduğu seriye verilen isimdir.[1]
Zaman serisi analizi zamansal ölçümlerin yapıldığı her alanda kullanılmaktadır. Bunlardan ilk akla gelenler: istatistik, ekonometri, finans, sinyal işleme, hava ve deprem tahmini…
Analitik işlerle meşgul olan hemen herkesin hayatının bir noktada kesişeceği zaman serileri için bir seri hazırladım.
İlk derste, modern excel olarak nitelendirilen pandas kütüphanesiyle veri manipülasyonu ve zenginleştirme işlemlerini yapıp matplotlib ve seaborn kütüphaneleriyle görselleştireceğiz.
Ayrıca eksik verileri kendinden önceki veriyle doldurma tekniği olan ‘ffill’ metodunu uygulayacağız.
Kütüphanelerimizi ve veri setimizi yüklüyoruz. Sonrasında veri tiplerini ve eksik verimizin olup olmadığını kontrol ediyoruz. Hedef değişkenimizdeki eksik verileri ‘forward fill’ metoduyla dolduruyoruz. (eksik verilere değer atamak için çeşitli yöntemler mevcut. ‘ffill’ bunlardan sadece biri.)
time_hour değişkenimizin tipi ‘object’ zaman serisi analizleri için değişkenimizin tipini datetime yapıyoruz ve değişiklikleri kontrol ediyoruz.
time_hour değişkenimizi kullanarak yıl, ay, gün, saat, dakika ve haftanın günü zenginleştirmelerini gerçekleştiriyoruz.
Bu veri setindeki hedef değişkenimiz uçakların varışındaki gecikme süresi. Hedef değişkenimizin saatlere göre ortalamasının dağılımına bakalım.
Aynı çalışmayı haftanın günleri için de basitçe yapabiliriz.
Verimizi aylık, haftalık ve günlük olarak gruplandırıp özniteliklerimizin ortalamasını, medyanını, toplamını, en küçük, en büyük değerleri kolayca bulabiliriz.
Resample zaman serisi analizi için oldukça basit ve faydalı bir fonksiyon.
Gecikme sürelerinin aylık, haftalık ve günlük ortalamalarını hesapladık artık basitçe görselleştirebiliriz.
Çalışmanın Medium versiyonuna şuradan ulaşabilirsiniz.
Sorunuz olursa bana Linkedin veya Twitter hesaplarından yazabilirsiniz.
