การสร้าง DataFrame แบบ Time Series

ข้อมูลแบบ Time Series ใช้เมื่อต้องการวิเคราะห์หรือสำรวจการเปลี่ยนแปลงตามช่วงเวลา ซึ่งมีประโยชน์มากเมื่อวิเคราะห์ข้อความจาก Twitter เพื่อติดตามความถี่ของคำหรือกลุ่มคำที่สนใจ

ขั้นตอนแรกคือการแปลง DataFrame ให้อยู่ในรูปแบบที่รองรับเมธอด Time Series ของ pandas ซึ่งทำได้โดยการแปลง index ให้เป็นชนิด datetime

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลโซเชียลมีเดียด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

แสดงห้าแถวแรกของคอลัมน์ created_at ใน ds_tweets ด้วยเมธอด .head()
แปลงคอลัมน์นั้นให้เป็นชนิด datetime ด้วยเมธอด .to_datetime() ของ pandas
แสดงห้าแถวแรกอีกครั้ง
กำหนด index เป็น created_at ด้วย .set_index()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Print created_at to see the original format of datetime in Twitter data
print(ds_tweets[____].____())

# Convert the created_at column to np.datetime object
ds_tweets[____] = pd.____(____)

# Print created_at to see new format
print(ds_tweets[____].____())

# Set the index of ds_tweets to created_at
ds_tweets = ds_tweets.____(____)

แก้ไขและรันโค้ด