pandas.TimedeltaIndex.inferred_freq の使い方

pandas.TimedeltaIndex.inferred_freq とは？

例:

import pandas as pd

# TimedeltaIndexを作成
idx = pd.TimedeltaIndex(['1D', '2D', '3D', '4D', '5D'])

# 推定される頻度を取得
inferred_freq = idx.inferred_freq

# 出力: 'D'
print(inferred_freq)

この例では、inferred_freq は 'D' となります。これは、TimedeltaIndex の値の間隔がすべて 1 日であるためです。

推定される頻度が None になる場合

推定される頻度が None になる場合:

• インデックスの値の間隔が不規則な場合
• インデックスの値が 2 つ未満の場合
• インデックスの値がすべて同じ場合

例:

# 不規則な間隔の TimedeltaIndex
idx = pd.TimedeltaIndex(['1D', '3D', '5D', '2D'])

# 推定される頻度を取得
inferred_freq = idx.inferred_freq

# 出力: None
print(inferred_freq)

推定される頻度の使用方法

推定される頻度は以下の用途に使用できます:

• データの視覚化：plot 関数などで freq オプションを指定することで、適切な間隔でデータを表示することができます。
• データの処理：resample 関数などで freq オプションを指定することで、データの再サンプリングを行うことができます。

例:

# データの視覚化
df.plot(x='Date', y='Value', freq='D')

# データの再サンプリング
df = df.resample('M').mean()

pandas.TimedeltaIndex.inferred_freq 属性は、TimedeltaIndex オブジェクトの推定される頻度を取得するために使用できます。推定される頻度は、データの視覚化や処理に役立ちます。

pandas.TimedeltaIndex.inferred_freq サンプルコード

サンプルコード 1: 推定される頻度の取得

import pandas as pd

# TimedeltaIndexを作成
idx = pd.TimedeltaIndex(['1D', '2D', '3D', '4D', '5D'])

# 推定される頻度を取得
inferred_freq = idx.inferred_freq

# 出力: 'D'
print(inferred_freq)

サンプルコード 2: 不規則な間隔のインデックス

# 不規則な間隔の TimedeltaIndex
idx = pd.TimedeltaIndex(['1D', '3D', '5D', '2D'])

# 推定される頻度を取得
inferred_freq = idx.inferred_freq

# 出力: None
print(inferred_freq)

サンプルコード 3: データの視覚化

import pandas as pd

# データフレームを作成
df = pd.DataFrame({'Date': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']), 'Value': [1, 2, 3, 4, 5]})

# データの視覚化
df.plot(x='Date', y='Value', freq='D')

サンプルコード 4: データの再サンプリング

import pandas as pd

# データフレームを作成
df = pd.DataFrame({'Date': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']), 'Value': [1, 2, 3, 4, 5]})

# データの再サンプリング
df = df.resample('M').mean()

# 出力
print(df)

サンプルコード 5: インデックスの値がすべて同じ場合

# インデックスの値がすべて同じ場合
idx = pd.TimedeltaIndex(['1D', '1D', '1D', '1D', '1D'])

# 推定される頻度を取得
inferred_freq = idx.inferred_freq

# 出力: None
print(inferred_freq)

• inferred_freq 属性は、pandas バージョン 1.0.0 以降で利用可能です。
• inferred_freq 属性は、TimedeltaIndex オブジェクトのみで使用できます。

pandas.TimedeltaIndex の推定頻度を取得する他の方法

infer_freq 関数を使用する

import pandas as pd

# TimedeltaIndexを作成
idx = pd.TimedeltaIndex(['1D', '2D', '3D', '4D', '5D'])

# 推定される頻度を取得
inferred_freq = pd.infer_freq(idx)

# 出力: 'D'
print(inferred_freq)

describe 関数を使用する

# 推定される頻度を取得
inferred_freq = idx.describe()['freq']

# 出力: 'D'
print(inferred_freq)

手動で計算する

TimedeltaIndex オブジェクトの値の間隔をすべて計算し、最も頻度の高い間隔を推定することができます。

# インデックスの値の差を計算
diffs = idx.to_numpy().diff()

# 最も頻度の高い差を取得
most_frequent_diff = pd.Series(diffs).value_counts().index[0]

# 推定される頻度を計算
inferred_freq = pd.Timedelta(most_frequent_diff)

# 出力: Timedelta('1 days 00:00:00')
print(inferred_freq)

pandas.TimedeltaIndex.inferred_freq 属性以外にも、infer_freq 関数、describe 関数、手動計算など、TimedeltaIndex オブジェクトの推定頻度を取得する方法はいくつかあります。