Kuasai data temporal: tipe datetime, konversi string, datetime index, resampling, window functions, shift/diff, dan timezone. Section ini menyusun materi menjadi chapter berurutan; ikuti urutannya karena tiap chapter memakai konsep dari chapter sebelumnya.

# Tipe Data Datetime

Mengenal dtype datetime64 di pandas 3.0 beserta resolusi unit waktunya.

Buka → # Konversi String ke Datetime

Mengubah teks tanggal menjadi datetime dengan pd.to_datetime() dan format eksplisit.

Buka → # Parsing Tanggal dan Waktu

Mengurai format tanggal beragam dengan parameter format, dayfirst, dan errors.

Buka → # Datetime Index

Menjadikan datetime sebagai index DataFrame untuk membuka fitur deret waktu.

Buka → # Memilih Data Berdasarkan Tanggal

Mengambil data untuk tanggal, rentang, bulan, dan tahun tertentu dari datetime index.

Buka → # Resampling Data

Mengubah granularitas data waktu dengan resample(), dari harian ke bulanan dan sebaliknya.

Buka → # Grup per Periode dengan Grouper

Mengagregasi data berbasis waktu per kelompok menggunakan pd.Grouper saat kolom tanggal bukan index.

Buka → # Frekuensi dan Offset

Memahami alias frekuensi seperti D, W, ME, dan YE serta date_range untuk membuat deret.

Buka → # Rolling Window

Menghitung rata-rata dan statistik bergerak dengan rolling() untuk memperhalus tren.

Buka → # Expanding Window

Menghitung statistik kumulatif yang terus bertambah dengan expanding().

Buka → # Exponentially Weighted Window

Memberi bobot lebih pada data terbaru dengan ewm() untuk perhitungan yang responsif.

Buka → # Pergeseran Data dengan shift()

Menggeser data maju dan mundur dengan shift() untuk membandingkan nilai antar periode.

Buka → # Menghitung Perubahan dengan diff()

Menghitung selisih antar periode dengan diff() untuk melihat perubahan absolut dan persentase.

Buka → # Timedelta dan Durasi

Menghitung dan mengolah durasi waktu dengan to_timedelta, Timedelta, serta accessor .dt untuk analisis jeda antar peristiwa.

Buka → # Periode dan Timezone

Bekerja dengan Period, period_range, dan konversi timezone dengan tz_localize dan tz_convert.

Buka → # Menangani Data Waktu yang Hilang

Menemukan tanggal yang hilang pada deret waktu dan mengisinya dengan asfreq dan interpolasi.

Buka → # Analisis Deret Waktu

Menggabungkan resampling, rolling, dan shift untuk menganalisis tren data deret waktu.

Buka →