Python으로 시계열 데이터 다루기

Python으로 시계열 데이터 다루기

• 주요 개념:
  • datetime
  • resample
  • rolling
  • groupby

하나의 날짜/시간

• 날짜/시간 자료형으로 변환

  import pandas as pd
  date = pd.to_datetime('2025-06-20')
  

• date.year : 년
• date.month : 월
• date.week : 주
• date.day : 일
• date.weekday() : 요일(0=월, 1=화, 2=수, 3=목, 4=금, 5=토, 6=일)
• date.hour : 시
• date.minute : 분
• date.second : 초

고정된 간격의 기간 더하기

delta = pd.Timedelta(1, 'D')
date + delta

• 년(Y)과 월(M)은 간격이 일정하지 않아 지원이 안됨

달력 기준의 날짜 계산

date + pd.DateOffset(years=1) # 1년 후
date + pd.DateOffset(months=3) # 3개월 후
date + pd.DateOffset(weekday=0) # 다음 월요일

알파벳 주가 데이터

df = pd.read_excel('GOOG.xlsx')
df.head()

• 문자열을 날짜 시간 형식으로 변환

  df.Date = pd.to_datetime(df.Date)
  

• Date 컬럼을 인덱스(행 이름)으로 변환

  df.set_index('Date', inplace=True)
  

날짜로 인덱싱

• 2014년 3월 31일 데이터

  df.loc['2014-03-31']
  

• 일정 기간 데이터

  df.loc['2014-03-31':'2014-04-02']
  

• 특정 시점의 데이터

  df.loc['2014-05'] # 2014년 5월
  df.loc['2016'] # 2016년
  

정렬 & 시각화

• 인덱스를 순서대로 정렬

  df.sort_index(inplace=True)
  

• 시각화

  df.Price.plot()
  

변화량 구하기

• 전일과 차이 구하기

  df.Price.diff()
  

• 전일과 차이의 비율 구하기

  df.Price.pct_change()
  

  시각화 하려면 끝에 .plot()

일정 간격으로 데이터 뽑기

• 매월 말일 주가

  df.Price.asfreq('ME')
  

• Y(연), Q(분기), M(월), W(주), D(일)
• B를 붙이면 주말 제외(영업일)
• S를 붙이면 기초를 뜻함: YS(연초), QS(분기초) 등
• E를 붙이면 기말을 뜻함: YE(연말), QE(분기말) 등
• 분기에 기준 월을 붙일 수 있음: QS-FEB(2월 1일부터 3개월 간격)
• 주에 기준 요일을 붙일 수 있음: W-WED(매주 수요일)

그래프 겹쳐 그리기

• .plot을 같은 셀에서 실행하면 그래프가 겹쳐서 그려짐

  df.Price.plot(alpha=0.3)
  df.Price.asfreq('BA').plot(color='red', style='o-')
  

• 그래프 옵션
  • alpha: 불투명도. 0은 완전 투명, 1은 완전 불투명.
  • color: 색상
  • style: 선 모양(o- 굵은 점과 실선, - 실선, -- 대시, : 점선, -. 대시와 점선)

빈 데이터 채우기

• 2016-12-31의 전후 날짜 데이터

  df.Price['2016-12-30':'2017-01-03']
  

• 2016년 12월 31일~2017년 1월 2일까지 비어있음
• 해당 날짜의 데이터가 비어있을 경우 이전(forward)의 데이터로 채우기

  df.Price.asfreq('YE', method='ffill')
  

  • 2016-12-30의 771.82로 2016-12-31을 채움
• 해당 날짜의 데이터가 비어있을 경우 이후(back)의 데이터로 채우기

  df.Price.asfreq('YE', method='bfill')
  

  • 2017-01-03의 786.14로 2016-12-31을 채움

리샘플 resample

• 특정 시점 간격으로 데이터를 종합
• 아래는 가격을 매년 초(YS)를 기준으로 잘라, 연 평균 가격을 계산

  df.Price.resample('YS').mean()
  

• 적용할 수 있는 함수들:
  • sum, mean, std, sem, max, min, median, first, last, ohlc
  • ohlc: 시초가, 고가, 저가, 종가
• 옵션
  • rule: 원하는 리샘플링 빈도(예: YS)
  • fill_method: 결측값을 채우는 방법(ffill, bfill).
    • 기본값: 채우지 않음.
  • closed: 구간의 왼쪽 left과 오른쪽 right 중 어느 쪽을 포함하는가

이동 평균

• rolling을 이용해서 매 365일 간격의 데이터를 묶음

  rolling = df.Price.rolling(365, center=True)
  

• 각 묶음별로 평균

  rolling.mean().plot()
  

리샘플과 이동평균의 차이

• 리샘플 resample은 일정 간격으로 구분(2019년 평균, 2020년 평균 등)
• 이동평균 rolling은 모든 날짜를 기준으로 전후 365일의 평균