Python ライブラリー「sktime」で学ぶ
らくらくビジネス時系列機械学習 Web講座

– 第6回：データの読み込み方・作り方（CSV編） –

2369
Python ライブラリー「sktime」で学ぶ らくらくビジネス時系列機械学習 Web講座 – 第6回：データの読み込み方・作り方（CSV編） –

前回は、データ構造を説明しました。

それぞれのデータ構造に沿ったデータの読み込み方・作り方があります。

sktimeに読み込めるデータフォーマットは次の４つです。

  • csvフォーマット
  • tsフォーマット
  • Weka ARFFフォーマット
  • UCR .tsvフォーマット

今回は、最も利用頻度が高いと思われるCSVの読み込み方と、sktimeデータフォーマットの作り方を説明します。

復習：データの種類（scitype）とデータの持ち方（mtype）

前回の復習です。

sktimeで取り扱うデータの種類（scitype）には3つあります。

  • 1. 時系列データ（Series）
  • 2. パネル時系列データ（Panel）
  • 3. 階層時系列（Hierarchical）

各データの種類（scitype）に対し、複数のデータの持ち方（mtype）があります。

利用する時系列モデルのアルゴリズムに応じて利用できるmtypeが異なります。

 

手順（ファイルの読み込みとmtypeへ変換）

先ずCSVファイルを読み込み、読み込んだデータをmtypeに変換し、sktimeで利用します。

mtypeごとに、今回は次の流れで説明します。

  1. CSVファイルを読み込む
  2. mtypeへ変換する
  3. mtypeに変換できたかどうか確認する

 

利用するデータ

今回利用するデータは、以下の6つのCSVファイルです。

  • sample_Series.csv（単変量時系列データ）
  • sample_DataFrame.csv（多変量時系列データ）
  • sample_multiindex.csv（パネル時系列データ）
  • sample_hierarchical.csv（階層時系列データ）

c:/work直下に保存してあると想定して説明していきます。

データは以下からダウンロードできます。

サンプルデータ一式
https://www.salesanalytics.co.jp/wk7u

その前に、それぞれのデータの中を簡単に見ていきます。

　sample_Series.csv（単変量時系列データ）

　sample_DataFrame.csv（多変量時系列データ）

　sample_multiindex.csv（パネル時系列データ）

　sample_hierarchical.csv（階層時系列データ）

 

準備（必要なモジュールの読み込み）

準備としてpandasとsktimeのdatatypes（sktime.datatypes）を読み込んでおきます。

以下、コードです。

import pandas
import sktime.datatypes

 

mtype=pd.Series

読み込むデータは、sample_Series.csv（単変量時系列データ）です。

最初なので丁寧に説明していきます。

 

　１．CSVファイルを読み込む

pandas.read_csv関数で、mtype=pd.Seriesに互換性があるように、CSVファイルを読み込み、データフレームdfに格納します。

互換性を保つためには、インデックスが日付型（DatetimeIndexもしくはPeriodIndex）であることが必要です。

そこで、インデックスとしてindex_col引数にobservation_date列を指定し、さらに日付型として認識するために引数parse_datesをTrueとしておきます。

 

以下、コードです。

df = pandas.read_csv('c:/work/sample_Series.csv',
                     index_col='observation_date',
                     parse_dates=True) 

df

 

以下、実行結果です。

 

　２．mtypeへ変換する

convert_to関数で、mtype=pd.Seriesへと変換します。

  • 第一引数：変換元のオブジェクト（df）
  • 第二変数：変換先のmtype名（pd.Series）

以下、コードです。

s = sktime.datatypes.convert_to(df,'pd.Series')

s #変換結果を表示

 

以下、実行結果です。

 

　３．mtypeに変換できたかどうか確認する

mtypeへ変換できたことを、sktime.datatypes.check_is_mtype関数で確認します。

  • 第一引数：型を確認したいオブジェクト（s）
  • 第二変数：確認したいmtype名（pd.Series）

コードです。

sktime.datatypes.check_is_mtype(s,'pd.Series')

 

以下、実行結果です。

 

ここまでのコードの全体です。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_Series.csv',
                     index_col='observation_date',
                     parse_dates=True)
df

#２．mtypeへ変換する
s = sktime.datatypes.convert_to(df,'pd.Series')
s #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(s,'pd.Series')

 

他のmtypeに関しても同じ様な説明を繰り返すのも冗長なので、コードの全体だけを示して行きます。

mtype=pd.DataFrame

読み込むデータは、sample_DataFrame.csv（多変量時系列データ）です。

以下、コードです。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_DataFrame.csv',
                     index_col='observation_date',
                     parse_dates=True)
df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'pd.DataFrame')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'pd.DataFrame')

 

以下、実行結果です。

 

mtype=np.ndarray

読み込むデータは、sample_DataFrame.csv（多変量時系列データ）です。

以下、コードです。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_DataFrame.csv',
                     index_col='observation_date',
                     parse_dates=True)
df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'np.ndarray')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'np.ndarray')

 

以下、実行結果です。

 

mtype=pd-multiindex

読み込むデータは、sample_multiindex.csv（パネル時系列データ）です。

以下、コードです。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_multiindex.csv',
                     index_col=['panel','observation_date'],
                     parse_dates=True)
df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'pd-multiindex')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'pd-multiindex')

 

以下、実行結果です。

 

mtype=numpy3D

読み込むデータは、sample_multiindex.csv（パネル時系列データ）です。

 

以下、コードです。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_multiindex.csv',
                     index_col=['panel','observation_date'],
                     parse_dates=True)
df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'numpy3D')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'numpy3D')

 

以下、実行結果です。

 

mtype=df-list

読み込むデータは、sample_DataFrame.csv（多変量時系列データ）です。

以下、コードです。

import pandas
import sktime.datatypes

#１－１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_DataFrame.csv'
                     ,index_col='observation_date'
                     ,parse_dates=True)

#１－２．疑似的に、df-listに互換性のある、データフレームのリストを作る
df = [df,df,df]
df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'df-list')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'df-list')

 

以下、実行結果です。

 

mtype=pd_multiindex_hier

読み込むデータは、sample_hierarchical.csv（階層時系列データ）です。

以下、コードです。

import pandas
import sktime.datatypes

#１．CSVファイルを読み込む
df = pandas.read_csv('c:/work/sample_hierarchical.csv',
                     index_col=['hierarchical','panel','observation_date'],
                     parse_dates=True)

df #結果を表示

#２．mtypeへ変換する
d = sktime.datatypes.convert_to(df,'pd_multiindex_hier')
d #変換結果を表示

#３．mtypeに変換できたかどうか確認する
sktime.datatypes.check_is_mtype(d,'pd_multiindex_hier')

 

以下、実行結果です。

 

まとめ

sktimeに読み込めるデータフォーマットは次の４つです。

  • csvフォーマット
  • tsフォーマット
  • Weka ARFFフォーマット
  • UCR .tsvフォーマット

今回は、最も利用頻度が高いと思われるCSVの読み込み方と、sktimeデータフォーマットの作り方を説明しました。

次回は、tsフォーマットの読み込み方と、sktimeデータフォーマットの作り方を説明します。

Python ライブラリー「sktime」で学ぶ らくらくビジネス時系列機械学習 Web講座 – 第7回：データの読み込み方・作り方（tsフォーマット編） –