Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

347

11

章 

時系列データ

時系列データは、金融、経済、生態学、神経科学、物理学など、さまざまな分野において重要なデー

タ構造です。ある時点において観測されたデータは、どのようなものでも時系列を構成します。多くの

時系列は一定頻度です。つまり、

15

秒おき、

5

分おき、

1

ヶ月に

1

度などの一定のルールに従った間隔

でデータポイントが発生します。しかし、時系列は固定の単位時間やオフセットがないような不規則な

ものであっても構いません。時系列データをどのように特徴付けて参照するかは、何に応用したいか

によります。例えば、次のような特徴付けの仕方があるでしょう。

●

タイムスタンプ（特定の時刻）。

●

2007

年

1

月、

2010

年、など、一定の期間。

●

開始時刻と終了時刻によって特定される、時間の間隔。期間は、間隔の特殊なケースと考えられ

る。

●

経験時間または経過時間。この時間は、特定の開始時間から相対的に計測されたもの（

例えば、

オーブンに置かれた後、

1

秒おきにクッキーが焼けた半径など）。

この章では、最初の

3

つのケースの時系列に主に着目します。しかし、多くのテクニックは、開始時

間からの経過時間（整数や浮動小数の値になる）をインデックスとして持つ時系列にも応用できます。

最もシンプルで、最もよく使われる時系列は、タイムスタンプをインデックスとして持つ時系列です。

pandas

は、時刻の差分（タイムデルタ、

timedelta

）に基づいたインデックスもサポートし

ています。タイムデルタは、経験時間や経過時間を表現するの ...