首页
›
环境资源与绿色工程
›
018-环境数据分析与Python应用
›
《Pandas时间序列处理与缺失值识别》
VIP20
本课程属于:018-环境数据分析与Python应用
环境资源与绿色工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
Pandas时间序列处理与缺失值识别
共计 30 章节
可可资料掘金营 · 点击在线试看
01
时间序列数据初识
时间序列的定义 · 常见类型(规则与不规则) · Pandas中时间序列的核心数据结构…
时间序列数据初识
时间序列的定义
02
时间戳与时间间隔的创建与转换
使用pd.Timestamp · pd.to_datetime · pd.Timedelta创建和转换时…
时间戳
时间间隔的创建
03
时间索引的建立与重置
将时间列设置为DataFrame索引… · 重置索引(reset_index) · 检查索引类型
时间索引的建立
重置
04
时间序列的切片与筛选
基于时间索引的标签切片(df['20… · 布尔索引筛选特定时间段 · 使用between_time和at_…
时间序列的切片
筛选
05
时间序列的重采样基础
resample方法的核心参数(ru… · closed · label
时间序列的重采样…
resample
06
重采样中的聚合与自定义函数
使用agg · apply对重采样后的组应用多个聚合… · mean
重采样
聚合
07
上采样与填充策略
上采样时产生的缺失值处理 · 使用ffill · bfill
上采样
填充策略
08
时间序列的移动窗口操作
rolling窗口的创建(windo… · min_periods · center)
时间序列的移动窗…
rolling
09
指数加权移动窗口
ewm方法的核心参数(span · halflife · alpha)
指数加权移动窗口
ewm
10
时间序列的差分与百分比变化
diff · pct_change · shift方法的使用
时间序列的差分
百分比变化
11
时间序列的偏移与频率转换
使用DateOffset · Timedelta进行时间偏移 · asfreq方法进行频率转换(不聚合…
时间序列的偏移
频率转换
12
时区处理与本地化
tz_localize · tz_convert方法 · 处理带时区的时间戳
时区处理
本地化
13
缺失值识别基础
缺失值的表示(NaN · None · NaT)
缺失值识别基础
NaN
14
缺失值统计与可视化
计算每列缺失比例 · 缺失值在时间上的分布 · 使用missingno库或Panda…
缺失值统计
可视化
15
时间序列中的缺失值类型识别
区分完全随机缺失(MCAR) · 随机缺失(MAR) · 非随机缺失(MNAR)
时间序列
缺失值类型识别
16
基于统计的缺失值填充
使用均值 · 中位数 · 众数
基于统计的缺失值…
使用均值
17
基于模型的缺失值填充
使用线性回归 · K近邻(KNN) · 多重插补(IterativeImpu…
基于模型的缺失值…
使用线性回归
18
时间序列插值高级方法
interpolate方法中的met… · time · index
时间序列插值高级…
interpolate
19
缺失值删除策略
dropna的参数(how · thresh · subset)
缺失值删除策略
dropna
20
缺失值填充的评估与选择
通过交叉验证 · 模拟缺失 · 计算填充误差(RMSE
缺失值填充的评估
选择
21
时间序列异常值与缺失值的关系
识别异常值(Z-score · IQR · 滚动统计)并将其视为缺失值处理
时间序列异常值
缺失值的关系
22
多变量时间序列的缺失值处理
多列时间序列的联合填充策略(如使用相… · 处理不同列缺失模式不一致的情况 · 并完成对气象数据(温度
多变量时间序列的…
多列时间序列的联…
23
时间序列缺失值对重采样的影响
重采样时缺失值的聚合行为(skipn… · 上采样产生的缺失值填充 · 并完成对分钟级数据重采样为小时级时处…
时间序列缺失值对…
skipn
24
时间序列缺失值对移动窗口的影响
rolling和ewm中min_pe… · 窗口内缺失值对统计量的影响 · 并完成在存在缺失值的情况下计算移动平…
时间序列缺失值对…
rolling
25
时间序列缺失值对差分和偏移的影响
diff和shift产生缺失值的机制 · 差分后缺失值的填充 · 并完成对差分后序列进行缺失值处理的实…
时间序列缺失值对…
偏移的影响
26
实战案例
股票价格时间序列缺失值处理 · 识别缺失交易日(停牌 · 节假日)
实战案例
股票价格时间序列…
27
实战案例
传感器时间序列缺失值处理 · 结合时间戳不规则性 · 使用时间插值
实战案例
传感器时间序列缺…
28
实战案例
经济指标时间序列缺失值处理 · 进行频率转换和缺失值填充 · 使用插值方法生成月度GDP
实战案例
经济指标时间序列…
29
时间序列缺失值处理的自动化流程
构建一个可复用的缺失值处理管道(Pi… · 包括缺失识别 · 填充方法选择
时间序列缺失值处…
Pi
30
综合项目
端到端时间序列缺失值处理与报告 · 完成从数据加载 · 缺失值识别
综合项目
端到端时间序列缺…
所属VIP或分类
同VIP:Matplotlib环境监测趋势报告制作
同VIP:Python多监测点指标对比与分组统计
同VIP:Python污染源监测数据批量清洗