Lo primero que hay que hacer es leer los datos. Cuando se trabaja con series temporales, las reglas del juego no cambian - todavía se puede utilizar pandas para obtener datos de archivos csv.

En los ficheros, digamos que tienes una columna Date que contiene fechas en tipo str. Para un posterior análisis de series temporales, debe convertir el tipo str en datetime. Esto se realiza utilizando la función pandas to_datetime().

Tomemos como ejemplo el conjunto de datos air_quality_no2_long.csv:

``python dataset = pd.read_csv("daily-total-female-births.csv") ```

A continuación, convertimos el tipo de datos de la columna Date de str a datetime:

``python dataset["Fecha"] = pd.to_datetime(dataset["Fecha"]) ```

También puedes hacerlo inmediatamente al leer el conjunto de datos: ``python dataset = pd.read_csv("daily-total-female-births.csv", parse_dates=["Fecha"]) ```

Ahora podemos trazar nuestro conjunto de datos:

``python fig, ax = plt.subplots(figsize=(11, 9)) ax.plot(dataset["Fecha"], dataset["Nacimientos"]) ax.set_xlabel("Fecha") ax.set_ylabel("Nacimientos") plt.show() ```