Charger plusieurs séries temporelles

Que ce soit pour vos projets personnels ou dans votre travail quotidien de Data Scientist, vous rencontrerez probablement des situations où il faut analyser et visualiser plusieurs séries temporelles en même temps.

Si les données de chaque série temporelle sont stockées dans des colonnes distinctes d’un fichier, la bibliothèque pandas facilite le travail avec plusieurs séries temporelles. Dans les exercices suivants, vous utiliserez un nouveau jeu de données de séries temporelles qui contient les quantités de différents types de viande produites aux États-Unis entre 1944 et 2012.

Cet exercice fait partie du cours

Visualiser des séries temporelles en Python

Afficher le cours

Instructions

Nous avons importé pandas avec l’alias pd.

Lisez le fichier CSV situé à url_meat dans un DataFrame nommé meat.
Convertissez la colonne date de meat en type datetime.
Définissez la colonne date comme index de meat.
Affichez les statistiques descriptives de toutes les colonnes numériques de meat.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Read in meat DataFrame
meat = ____.____(____)

# Review the first five lines of the meat DataFrame
print(meat.head(5))

# Convert the date column to a datestamp type
meat['date'] = ____(____)

# Set the date column as the index of your DataFrame meat
meat = ____.____(____)

# Print the summary statistics of the DataFrame
print(meat.____)

Modifier et exécuter le code