4| Time series and plots in Python Pandas Matplotlib and Seaborn
Вставка
- Опубліковано 16 жов 2024
- 📚 Join more than professionals in our course:
👉www.udemy.com/...
📚📚 Hey friend, by watching this video you will learn how to manage your time series using the Pandas Python library. You will also learn to make graphics using the Matplotlib and seaborn libraries, remember that this is a video from a series of content from the pandas library.📚📚
👍 If you liked this video and want to continue learning how to program in Python, don't forget to subscribe to my channel, activate the notification bell and like the publication, this way you will be contributing to the development of my channel. 👍
✅COURSES:
📚 1. Data visualization course in Python:
go.hotmart.com...
🔥 Follow me on my social networks like:
✅ / aquapy_ingenieria
✅ / aquapy.ingenieria
📝 To develop this video you can download the files at the following link:
github.com/Aqu...
🐼Don't forget that this video is part of a series of videos from the pandas library:🐼
1| Introduction to using Pandas in Python | Python course from scratch in Spanish.
2| Read and save EXCEL, CSV, HTML and TXT files Python Pandas | Python course from scratch in Spanish.
3| Filter dataframe in pandas Python, python row and column selection - .loc and .iloc function.
4| Time series and plots in Python Pandas Matplotlib and Seaborn.
5| Time series time functions in Python Pandas Timestamp - Period.
6| Concatenate Dataframes in pandas - an application in time series.
#matplotlib #pandas #seaborn #Python #timeseries #dataframes
Genial , muchas gracias por compartir!!
Excelente aporte. Me ayudó a trabajar con datos de la Comisión Nacional del Agua de México. ¡Saludos!
woou son increíbles todos tus videos
Gracias juanitos espero que te sean útiles !!! un saludo 😊👍
Muy buenos todos tus videos, muy didácticos, precisos y 100% aplicables a la práctica!!!
Muchas gracias por tu comentario, de verdad que nos alegra mucho poder contribuir a tu desarrollo profesional. Esperamos que el resto del contenido del canal te sea muy útil, un saludo 😉!!!!
Son Oro puro cada uno de los videos, es el mejor curso. Muchas gracias
🤭🤭 genial Lina me alegro que te sean útiles los videos ☺️ un saludo!!!
Excelente video. Mil gracias!
Hola Eduardo muchas gracias por tu comentario 😉 esperamos que el contenido te sea útil. Si conoces de más personas que les pueda interesar el contenido te agradeceríamos mucho que compartieras 😉
impecable
Hola Rodrigo, muchas gracias por tu mensaje!!!!!
Muchas gracias, increible
EXCELENTE VIDEO, MI ESTIMADO. MUCHAS GRACIAS.
Muchas gracias Nino... un Saludo!
Muy buen video, super completo, gracias!
Muchas gracias !!!
Muy buenos videos, muchas gracias por tu aporte.
Muchas gracias Gabriel,, espero te sea útil el contenido, si sabes de alguien más que lo necesite te pediría que por favor lo compartieras, de esa forma nos ayudas para poder generar más aportes. Un saludo ☺️!!
Excelente explicación. Lo haces perecer que no es complicado. Continua así. Saludos
Hola Leonardo muchas gracias por tu comentario 😉, nos alegra que el video te sea útil. Si sabes de alguna persona que le quiero aprender nos ayudarías un montón COMPARTIENDO el contenido muchas gracias 😉!!!
Cordial Salud, excelente explicación, muchas gracias _____ quisiera conocer más sobre las predicciones de las series temporales
Gracias por tu recomendación lo tendremos en cuenta!!!
Buenisimo
Me salvó la tesis xd
Nos alegra mucho Moisés un saludo gracias por compartir
Buena Diego, Saludos desde Bogotá
Saludos Nesticor!!! Gracias!!
Creo que es necesario hacer un vídeo para análisis visual de datos. Muchas gracias son muy buenos tus vídeos
Hola Nelson la parte de análisis visual es muy importante, tanto que vamos a crear un curso completo, cuando lo tengamos lo notificaremos !! Un saludo !!!
Excelente!
Muchas gracias Juan Diego, un Saludo!!
Graciaaaas!
Muchas gracias Valeria por tu comentario esperamos que el contenido sea útil para ti. Un saludo 😊👍
hola muy bueno vídeo, crees que se le pueda aplicar una prueba de estacionalidad a este tipo de datos? podrías hacer un vídeo explicando pruebas de estacionalidad en series de tiempo por favor?
Hola Lion se podrían hacer algunas pruebas, lo tenderemos en cuenta para un próximo vídeo ... Un saludo y gracias por tu comentario 😉!!!! En cualquier caso si tienes dudas nos puedes escribir a aquapyingenieria@gmail.com
buen video. Podrías realizar un video sobre limpieza de datos.
Muchas gracias, lo tendré en cuenta !!
👏🙏👍
Muchas gracias por tu comentario Antonio ☺️, un saludo !!!
excelente video!!!!! podrías realizar un analisis de calidad de datos osea datos atipicos o limpieza de datos
Lo tendré en cuenta muchas gracias Eddy un saludo!
hola, tus videos son súper intuitivos!!! quería saber si tienes ventana deslizante en alguna de tus listas de videos
Hola Paula muchas gracias por tu comentario 😁😁.. no entiendo muy bien a qué te refieres con ventana deslizante 😅😅
ya has trabajo con esto en python antes?
@@Aquapying Miré que existe esta función en python: r = df.rolling(window = 10) tiene otros parámetros como: min_periods, center, win_type on, axis y closed. ya has trabajdo con esta función en Python?
Hola Paula, cuando es útil si. En los momentos en que deja de ser útil es cuando tienes muchos datos, es decir, un dataframe con muchas filas y columnas. En esos casos es cuando es más recomendable trabajar con estadísticas y métodos de pandas para verificar datos faltantes, datos nulos, valores atípicos, etc. Por lo demas el método rolling es una buena herramienta 😊👍👍
Tendré en cuenta el tema para explicarlo en un próximo vídeo. 👍👍
Soy nuevo en el area me podria ayudarme con la siguiente cuesionante? que pasa si no tengo los datos de las fechas seguidos? es decir tengo muchos datos un mismo día, luego no tengo datos en una semana y nuevamente tengo muchas datos otro día, agradezco su colaboración, gracias
Hola Felicks gracias por escribirnos. La respuesta es depende lo que quieras hacer con tus datos. En general, si fuera para graficar no pasaría nada. Si quieres hacer una predicción por ejemplo, podría ser interesante tener datos con frecuencia regular. Pero como te dije depende. Si tienes algún problema en concreto, escríbenos a aquapyingenieria@gmail.com y te ayudamos. Un saludo!!!
Muchas gracias por el contenido, tengo una duda, entiendo que las gráficas me están agarrando automáticamente el index como eje X, lo cual resulta muy conveniente, mi duda surge porqué quiero aumentar el número "ticks" en el eje X ya que quiero hacer un histograma que muestre la progresión de "Y" por horas a lo largo del día, he buscado soluciones pero en cada uno de ellos tienen definidos los ejes X y Y por listas, el asunto es que aquí no está así ¿Sabes cómo se podría hacer en este caso?
Gracias por consultarnos Jesús, creo que lo más sencillo en este caso sería definir tus datos horarios desde el dataframe y posteriormente graficarlos. Para esto es necesario que tengas datos horarios de tu variable disponibles. Si no encuentras solución no dudes en escribirnos a aquapyingenieria@gmail.com con gusto te ayudaremos. Un saludo 😊👍!
Tengo una duda, porque usar jupiternotebook? por ejemplo por que no visual ?
Hola Bryan en general puedes usar el que tú quieras, no hay una preferencia por uno u otro. En lo general usamos jupyter lab, pero todo lo que hacemos lo puedes replicar en visual sin problema !! Un saludo, excelente duda y comentario 😉
Porque nos gráficos os eixos x e y já estão definidos?? Fiz aqui deu errado
pode estar relacionado ao formato de data que seus dados têm. Nesse vídeo ele explicou um pouco melhor o assunto: ua-cam.com/video/FeDy31JKVbc/v-deo.html
Não consigo inserir o datetime nos dados.
Hola Rafaela, si tienes dudas sobre el proceso nos puedes escribir a aquapyingenieria@gmail.com. Un Saludo!!!
Amigo pero no explicas qué significa index_col=0 y parse_dates=True
Hola Marcelo gracias por escribirnos, en este video lo puedes entender ua-cam.com/video/zgR6hhMyaLQ/v-deo.html
En general index_col envía la columna que elijas al índice y el parse_dates cuando es True convierte el índice en formato de fecha para que pandas lo reconozca como una serie temporal. 😁
Muchas gracias amigo