Python 時系列分析 1,000本ノック– ノック13: 時系列データの週間変動 –

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(3)
dates = pd.date_range(
    '2023-01-01', 
    periods=7, 
    freq='D')

df = pd.DataFrame(
    np.random.randn(7, 1), 
    index=dates, columns=['A'])

print(df.asfreq('W', method='ffill'))

回答の選択肢:

(A) 毎日のランダムな値
(B) 毎週の最初の値
(C) 毎週の最後の値を前週に適用
(D) 毎週の最後の値

出力例:

                   A
2023-01-01  1.788628

正解:

(D)

解説:

asfreq('W', method='ffill') メソッドは、pandasのDataFrameやSeriesオブジェクトに対して使用できるメソッドで、それを指定した頻度（Wなど）でサンプリングしなおすためのものです。具体的には、時系列データのインデックスを再サンプリング（リサンプリング）して新しくDataFrameやSeriesを作成します。

ここで指定されているWは「週」を意味します。そのため、このコードは元のデータを週単位で再サンプリングします。pandasでは、デフォルトで週の始まりは月曜日で、週の終わりが日曜日となっています。したがって、Wで指定される週次の頻度は月曜日始まりになります。なお、asfreq()で日単位のデータを週（W）単位にリサンプリングすると、それは通常、各週の最後の日（デフォルトでは日曜日）のデータになります。

method='ffill‘というオプションは、「前方填充（forward fill）」または「キャリー最新（carry last）」とも呼ばれ、これにより欠損値が最後に観測された値で填充（補完）されます。この手法は、新しい頻度での時間スタンプが元のデータの時間スタンプと完全に一致しない場合に特に有用です。

すなわち、このコード行は元のデータを週単位に再サンプリングし、その際に新しく生じる欠損値を「前方填充」方式（最近値補完方式）で補完します。

例えば、dfに格納されているデータは次のようになっています。ランダムな値を入れているため、人によって値は異なります。

                   A
2023-01-01  1.788628
2023-01-02  0.436510
2023-01-03  0.096497
2023-01-04 -1.863493
2023-01-05 -0.277388
2023-01-06 -0.354759
2023-01-07 -0.082741

dfには、7日間のデータがありますが、週次の頻度に変更すると、各週の最後の日（日曜日）のデータのみが残ります。各週の最後の日（日曜日）に該当するのは2023年1月1日のみです。