Découpage de séries chronologiques
Le découpage est particulièrement utile pour les séries chronologiques, puisqu'on veut souvent filtrer des données sur un intervalle de dates. Ajoutez la colonne date à l'index, puis utilisez .loc[] pour créer le sous-ensemble. L'important est de garder vos dates au format ISO 8601, c'est-à-dire "yyyy-mm-dd" pour année-mois-jour, "yyyy-mm" pour année-mois et "yyyy" pour année.
Rappelez-vous du chapitre 1 que vous pouvez combiner plusieurs conditions booléennes avec des opérateurs logiques, comme &. Pour le faire en une seule ligne de code, vous devez ajouter des parenthèses () autour de chaque condition.
pandas est importé sous pd et temperatures, sans index, est disponible.
Cette activité fait partie du cours
Manipulation de données avec pandas
Instructions de l’exercice
- Utilisez des conditions booléennes, pas
.isin()ni.loc[], et la date complète"yyyy-mm-dd", pour extraire detemperaturesles lignes où la colonnedateest en 2010 et 2011, puis affichez les résultats. - Définissez l'index de
temperaturessur la colonnedateet triez-le. - Utilisez
.loc[]pour extraire detemperatures_indles lignes en 2010 et 2011. - Utilisez
.loc[]pour extraire detemperatures_indles lignes d'August 2010 à February 2011.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Use Boolean conditions to subset temperatures for rows in 2010 and 2011
temperatures_bool = ____[(____ >= ____) & (____ <= ____)]
print(temperatures_bool)
# Set date as the index and sort the index
temperatures_ind = temperatures.____.____
# Use .loc[] to subset temperatures_ind for rows in 2010 and 2011
print(____)
# Use .loc[] to subset temperatures_ind for rows from Aug 2010 to Feb 2011
print(____)