次の Python コードの出力はどれでしょうか？
Python コード:
import pandas as pd
import numpy as np
np.random.seed(10)
dates = pd.date_range(
start='2023-01-01',
periods=12,
freq='M')
data = np.random.randn(12) + np.sin(np.linspace(0, 3*np.pi, 12))
df = pd.DataFrame(
data,
index=dates,
columns=['A'])
print(df.diff(1))
回答の選択肢:
(A) 1ヶ月前との差分
(B) 1ヶ月後との差分
(C) 1年前との差分
(D) 1年後との差分
出力例:
A 2023-01-31 NaN 2023-02-28 0.139442 2023-03-31 -2.026607 2023-04-30 1.087836 2023-05-31 -0.192654 2023-06-30 -1.969321 2023-07-31 0.985597 2023-08-31 0.470936 2023-09-30 0.718116 2023-10-31 0.270289 2023-11-30 0.373555 2023-12-31 0.014262
正解:
(A)
解説:
このコードは季節トレンドを持つ時系列データを作るもので、その後でデータを差分変換しています。
詳しく説明します。
‘2023-01-01’から始まる月単位の日付範囲を12期間作ります。
dates = pd.date_range(
start='2023-01-01',
periods=12,
freq='M')
datesに格納されているデータは次のようになっています。
DatetimeIndex(['2023-01-31', '2023-02-28', '2023-03-31', '2023-04-30',
'2023-05-31', '2023-06-30', '2023-07-31', '2023-08-31',
'2023-09-30', '2023-10-31', '2023-11-30', '2023-12-31'],
dtype='datetime64[ns]', freq='M')
標準正規分布に従うランダムな数値を持つデータセットを作ります。これに、正弦関数を用いて作った季節性のパターンを加えます。これにより、季節トレンドを持つランダムな時系列データが作られます。
data = np.random.randn(12) + np.sin(np.linspace(0, 3*np.pi, 12))
このデータセットを元に、日付範囲をインデックスとしてデータフレームを作ります。列の名前は ‘A’ とされています。
df = pd.DataFrame(
data,
index=dates,
columns=['A'])
dfに格納されているデータは次のようになっています。
A 2023-01-31 1.331587 2023-02-28 1.471029 2023-03-31 -0.555579 2023-04-30 0.532257 2023-05-31 0.339603 2023-06-30 -1.629718 2023-07-31 -0.644120 2023-08-31 -0.173184 2023-09-30 0.544932 2023-10-31 0.815221 2023-11-30 1.188776 2023-12-31 1.203037
`diff(1)`メソッドを使ってデータを1ラグ（1つ前の時点）との差分変換します。
print(df.diff(1))
差分変換とは、現在の値から1つ前の値を引くことであり、時系列データに対して傾向（trend）や季節性（seasonality）を削除するためによく用いられます。これを使うと、元のデータが線形のトレンドや定常ではない季節パターンを持っていても、得られた差分データは定常性を持つことが期待できます。
これらを行った結果として、元のデータを1次差分変換した結果が表示されます。ただし、最初の値は（差分をとる前の値が存在しないため）NaNとなります。
A 2023-01-31 NaN 2023-02-28 0.139442 2023-03-31 -2.026607 2023-04-30 1.087836 2023-05-31 -0.192654 2023-06-30 -1.969321 2023-07-31 0.985597 2023-08-31 0.470936 2023-09-30 0.718116 2023-10-31 0.270289 2023-11-30 0.373555 2023-12-31 0.014262
