기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

[pandas] pandas.to_datetime

DatetimeIndex

시계열 자료는 인덱스가 날짜 또는 시간인 데이터를 의미합니다. Pandas에서 시계열을 조정하기 위한 4개 개념과 그에 따른 클래스를 사용합니다.

Class 설명 type 주요 메서드
DateTimes timezone를 가진 특정한 시간 DateTimeIndex to_datetime, pd.date_range
Time delta 절대시간 TimedeltaIndex to_timedelta, timedelta_range
Time span 시점과 연관된 주기를 가진 시간 간격 PeriodIndex Period, Period_range
Date offset 달력 산술을 위한 상대시간기간 none DateOffset

pandas에서 시계열 자료를 생성하기 위해서는 인덱스를 DateTimeIndex 자료형으로 만들어야 합니다. DateTimeindex는 특정한 순간에 기록된 타임스탬프(Timestamp) 형식의 시계열 자료를 다루기 위한 인덱스입니다. 타임스탬프의 간격이 일정할 필요는 없습니다.

DateTimeIndex 인덱스는 다음 함수를 사용합니다.

  • pd.to_datetime(x, dayfirst=False, yearFirst=False, unit=None, origin='unix', utc=False)
    • 날짜/시간을 나타내는 문자열을 자동으로 datetime 자료형으로 바꾼후 DateTimeIndex 자료형 인덱스를 생성합니다.
    • x: integer, float, string, datetime, list, tuple, 1-d array, Series (날짜 데이터)
    • dayfirst=True: 10/11/12 → 2012-11-10
    • yearfirst=True: 10/11/12 → 2010-11-12
    • unit: 시계열의 표시 단위(D, s, ms, um, ns)
    • origin : 시작시간을 지정 'unix' → 1970-01-01, 'julian' → BC 4713.01.01
    • utc: 세슘원자의 진동수를 환산한 시간으로 국제사회에서 사용되는 과학시간. False가 기본값으로 컴퓨터 시스템에 정해진 시간대를 적용합니다.
df=pd.DataFrame({"year":np.repeat(2024, 4), "month": range(1, 5), "day":np.repeat(10, 4)})
df
year month day
0 2024 1 10
1 2024 2 10
2 2024 3 10
3 2024 4 10 
pd.to_datetime(df)
0   2024-01-10
1   2024-02-10
2   2024-03-10
3   2024-04-10
dtype: datetime64[ns]

위 함수에 의해 문자열을 DatetimeIndex로 전환합니다.

t=['2024-05-20', '2024-05-21']
t
['2024-05-20', '2024-05-21']
type(t[0])
str
t1=pd.to_datetime(t)
t1
DatetimeIndex(['2024-05-20', '2024-05-21'], dtype='datetime64[ns]', freq=None)

일시에 관계된 객체에서 년,월,일만을 추출하기 위해 .date를 사용합니다. 

t2=pd.to_datetime(["2024-09-06 00:00:00+00:00"])
t2
DatetimeIndex(['2024-09-06 00:00:00+00:00'], dtype='datetime64[ns, UTC]', freq=None)
t2.date
array([datetime.date(2024, 9, 6)], dtype=object)

DatetimeIndex 형으로 전환된 객체에 다음 속성 또는 메서드를 적용할 수 있습니다.

메서드/속성내용
pd객체.year 객체의 년을 추출
pd객체.month 객체의 월을 추출
pd객체.day 객체의 일을 추출
pd객체.dayofweek 요일을 정수로 반환하는 속성, 0=월요일, 6=일요일
pd객체.weekday dayofweek과 동일한 속성
pd객체.date 년, 월, 일 만을 추출
pd객체.day_name( ) 요일을 이름으로 반환하는 메소드 
print(f"year:{t1.year}\nmonth: {t1.month}\nday: {t1.day}")
year:Index([2024, 2024], dtype='int32')
month: Index([5, 5], dtype='int32')
day: Index([20, 21], dtype='int32')
print(f"요일(수): {t1.dayofweek}, 요일(이름): {t1.day_name()}") 
요일(수): Index([0, 1], dtype='int32'), 요일(이름): Index(['Monday', 'Tuesday'], dtype='object')
t1.weekday
Index([0, 1], dtype='int32')
Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...
댓글 쓰기
Read more »

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...
댓글 쓰기
Read more »

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...
댓글 쓰기
Read more »