Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Conversión de Tipos de Datos | Procesamiento de Datos de Series Temporales
Procesamiento Previo de Datos
course content

Contenido del Curso

Procesamiento Previo de Datos

Procesamiento Previo de Datos

1. Introducción Breve
Tipos de DatosMétodos de Procesamiento de DatosConjunto de datos: Prueba y EntrenamientoEliminando un Dato "Extra"Cambio del Tipo de Datos
2. Procesamiento de Datos Cuantitativos
Escalado de DatosEscalado de Datos vs Normalización de DatosEliminación de Valores AtípicosEliminando Valores FaltantesAumento de Datos: Datos Sintéticos
3. Procesamiento de Datos Categóricos
Métodos para Codificar los Datos CategóricosCodificación One-HotCodificación OrdinalCodificación de Etiquetas de la Variable ObjetivoReto
4. Procesamiento de Datos de Series Temporales
Conversión de Tipos de DatosLimpieza de DatosEstacionariedadReducción de RuidoDivisión de Entrenamiento/Prueba y Validación CruzadaReto
5. Ingeniería de Características
Idea de TécnicaRealizaciónExtracción de Características de TextoExtracción de Características de ImágenesExtracción de Características de Series TemporalesDesafío
6. Avanzando a Tareas
Desafío 1Desafío 2Desafío 3

Conversión de Tipos de Datos

La conversión de tipos de datos en el tratamiento de datos de series temporales es el proceso de convertir datos de series temporales de un tipo de datos a otro. ¿Por qué es necesario? En el tratamiento de datos de series temporales, puede ser útil cuando se desea cambiar el formato de los datos para que sea más fácil trabajar con ellos o cuando se quieren realizar cálculos que requieren un tipo de datos diferente.
Por ejemplo, puede convertir una representación de cadena de una fecha en un objeto datetime para poder realizar cálculos con él.

Veamos un ejemplo de conversión de datos de fecha de formato cadena a formato datetime:


              
12345678910111213

            
import pandas as pd

# Create simple dataset with date information in string format
dataset = pd.DataFrame({'PatientID': [1, 2, 3],
                                'Name': ['John', 'Sarah', 'Michael'],
                                'AdmissionDate': ['2022-03-15', '2021-11-10', '2022-02-28']})

# Convert 'AdmissionDate' column from string to datetime format
dataset['AdmissionDate'] = pd.to_datetime(dataset['AdmissionDate'], format='%Y-%m-%d')

# Print the converted data
print('Converted types:')
print(dataset.dtypes)
copy

Puede cambiar el formato de la plantilla de entrada de fecha con el argumento format.

Podemos considerar diferentes patrones de fecha:

  • '15 Jul 2009' - '%d %m %Y';
  • '1-Feb-15' - '%d-%m-%Y';
  • '12/08/2019' - '%d/%m/%Y'.

Además, ten en cuenta que cuando hablamos de procesar datos de series temporales, esto significa que trabajaremos no sólo con fechas, sino con todos los demás tipos de datos (numéricos, categóricos, etc.).

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 4. Capítulo 1
toggle bottom row

Conversión de Tipos de Datos

La conversión de tipos de datos en el tratamiento de datos de series temporales es el proceso de convertir datos de series temporales de un tipo de datos a otro. ¿Por qué es necesario? En el tratamiento de datos de series temporales, puede ser útil cuando se desea cambiar el formato de los datos para que sea más fácil trabajar con ellos o cuando se quieren realizar cálculos que requieren un tipo de datos diferente.
Por ejemplo, puede convertir una representación de cadena de una fecha en un objeto datetime para poder realizar cálculos con él.

Veamos un ejemplo de conversión de datos de fecha de formato cadena a formato datetime:


              
12345678910111213

            
import pandas as pd

# Create simple dataset with date information in string format
dataset = pd.DataFrame({'PatientID': [1, 2, 3],
                                'Name': ['John', 'Sarah', 'Michael'],
                                'AdmissionDate': ['2022-03-15', '2021-11-10', '2022-02-28']})

# Convert 'AdmissionDate' column from string to datetime format
dataset['AdmissionDate'] = pd.to_datetime(dataset['AdmissionDate'], format='%Y-%m-%d')

# Print the converted data
print('Converted types:')
print(dataset.dtypes)
copy

Puede cambiar el formato de la plantilla de entrada de fecha con el argumento format.

Podemos considerar diferentes patrones de fecha:

  • '15 Jul 2009' - '%d %m %Y';
  • '1-Feb-15' - '%d-%m-%Y';
  • '12/08/2019' - '%d/%m/%Y'.

Además, ten en cuenta que cuando hablamos de procesar datos de series temporales, esto significa que trabajaremos no sólo con fechas, sino con todos los demás tipos de datos (numéricos, categóricos, etc.).

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 4. Capítulo 1
toggle bottom row

Conversión de Tipos de Datos

La conversión de tipos de datos en el tratamiento de datos de series temporales es el proceso de convertir datos de series temporales de un tipo de datos a otro. ¿Por qué es necesario? En el tratamiento de datos de series temporales, puede ser útil cuando se desea cambiar el formato de los datos para que sea más fácil trabajar con ellos o cuando se quieren realizar cálculos que requieren un tipo de datos diferente.
Por ejemplo, puede convertir una representación de cadena de una fecha en un objeto datetime para poder realizar cálculos con él.

Veamos un ejemplo de conversión de datos de fecha de formato cadena a formato datetime:


              
12345678910111213

            
import pandas as pd

# Create simple dataset with date information in string format
dataset = pd.DataFrame({'PatientID': [1, 2, 3],
                                'Name': ['John', 'Sarah', 'Michael'],
                                'AdmissionDate': ['2022-03-15', '2021-11-10', '2022-02-28']})

# Convert 'AdmissionDate' column from string to datetime format
dataset['AdmissionDate'] = pd.to_datetime(dataset['AdmissionDate'], format='%Y-%m-%d')

# Print the converted data
print('Converted types:')
print(dataset.dtypes)
copy

Puede cambiar el formato de la plantilla de entrada de fecha con el argumento format.

Podemos considerar diferentes patrones de fecha:

  • '15 Jul 2009' - '%d %m %Y';
  • '1-Feb-15' - '%d-%m-%Y';
  • '12/08/2019' - '%d/%m/%Y'.

Además, ten en cuenta que cuando hablamos de procesar datos de series temporales, esto significa que trabajaremos no sólo con fechas, sino con todos los demás tipos de datos (numéricos, categóricos, etc.).

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

La conversión de tipos de datos en el tratamiento de datos de series temporales es el proceso de convertir datos de series temporales de un tipo de datos a otro. ¿Por qué es necesario? En el tratamiento de datos de series temporales, puede ser útil cuando se desea cambiar el formato de los datos para que sea más fácil trabajar con ellos o cuando se quieren realizar cálculos que requieren un tipo de datos diferente.
Por ejemplo, puede convertir una representación de cadena de una fecha en un objeto datetime para poder realizar cálculos con él.

Veamos un ejemplo de conversión de datos de fecha de formato cadena a formato datetime:


              
12345678910111213

            
import pandas as pd

# Create simple dataset with date information in string format
dataset = pd.DataFrame({'PatientID': [1, 2, 3],
                                'Name': ['John', 'Sarah', 'Michael'],
                                'AdmissionDate': ['2022-03-15', '2021-11-10', '2022-02-28']})

# Convert 'AdmissionDate' column from string to datetime format
dataset['AdmissionDate'] = pd.to_datetime(dataset['AdmissionDate'], format='%Y-%m-%d')

# Print the converted data
print('Converted types:')
print(dataset.dtypes)
copy

Puede cambiar el formato de la plantilla de entrada de fecha con el argumento format.

Podemos considerar diferentes patrones de fecha:

  • '15 Jul 2009' - '%d %m %Y';
  • '1-Feb-15' - '%d-%m-%Y';
  • '12/08/2019' - '%d/%m/%Y'.

Además, ten en cuenta que cuando hablamos de procesar datos de series temporales, esto significa que trabajaremos no sólo con fechas, sino con todos los demás tipos de datos (numéricos, categóricos, etc.).

Tarea

Lea el conjunto de datos 'sales.csv' y convierta la columna 'Date' al tipo de datos datetime.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
Sección 4. Capítulo 1
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
We're sorry to hear that something went wrong. What happened?
some-alt