Manipuler une série temporelle avec pandas

Une série temporelle est une suite de mesures prises dans le temps : ventes quotidiennes, température horaire, nombre de connexions par minute. Ce qui la distingue d’un tableau classique, c’est que l’ordre des lignes porte de l’information. On ne mélange jamais les lignes, et l’on se demande toujours : quelle est la fréquence ? Y a-t-il des trous ?

Construire un DatetimeIndex

La première étape consiste à convertir la colonne de dates et à la placer en index :

import numpy as np
import pandas as pd

rng = np.random.default_rng(0)
df = pd.DataFrame({
    "date": pd.date_range("2024-01-01", periods=90, freq="D").astype(str),
    "ventes": rng.integers(50, 150, size=90),
})
df["date"] = pd.to_datetime(df["date"])   # texte -> datetime64
df = df.set_index("date").sort_index()     # index temporel trié

print(df.loc["2024-02"].head())            # tout le mois de février
print(df.loc["2024-01-10":"2024-01-15"])   # une plage de dates (bornes incluses)

Avec un DatetimeIndex, vous accédez aussi à des attributs utiles : df.index.day_of_week (0 = lundi ; l’ancien nom dayofweek est déprécié depuis pandas 3.1), df.index.month, df.index.year.

Changer de fréquence avec resample

resample regroupe les observations par période, un peu comme un groupby sur le temps. Il faut toujours préciser l’agrégation :

mensuel = df["ventes"].resample("ME").sum()      # total par fin de mois
hebdo_moy = df["ventes"].resample("W").mean()    # moyenne par semaine

Choisissez l’agrégation selon la nature de la mesure : on somme des volumes (ventes, visites) et on moyenne des niveaux (température, stock moyen). Depuis pandas 2.2, l’alias de fin de mois est "ME" ("MS" pour le début de mois) ; l’ancien "M" n’est plus accepté dans pandas 3.

Dans l’autre sens, passer à une fréquence plus fine (suréchantillonnage) crée des trous qu’il faut combler, par exemple avec .ffill() ou .interpolate().

Fenêtres glissantes et décalages

Une moyenne mobile lisse le bruit pour révéler la tendance :

df["moy_7j"] = df["ventes"].rolling(window=7).mean()   # NaN sur les 6 premières lignes
df["lag_1"] = df["ventes"].shift(1)                    # valeur de la veille
df["var_j"] = df["ventes"].diff()                      # ventes(t) - ventes(t-1)
df["var_pct"] = df["ventes"].pct_change()              # variation relative

• rolling(7) regarde les 7 dernières valeurs, la valeur courante incluse. Les premières lignes valent NaN tant que la fenêtre n’est pas complète (paramètre min_periods pour assouplir).
• shift(1) décale vers le bas : la ligne du 2 janvier reçoit la valeur du 1er janvier. C’est la brique de base des lags que nous utiliserons pour la prévision.
• diff() est équivalent à serie - serie.shift(1).

Repérer les trous

Une série « propre » a une fréquence régulière. Pour vérifier :

complet = pd.date_range(df.index.min(), df.index.max(), freq="D")
manquants = complet.difference(df.index)
df = df.reindex(complet)      # les jours absents apparaissent en NaN

Rendre les trous explicites est préférable à les ignorer : un jour sans vente (0) n’est pas la même chose qu’un jour sans donnée (NaN).

À retenir

Index temporel trié, fréquence connue, agrégation adaptée, et prudence avec les fenêtres : ces quatre réflexes évitent la majorité des erreurs dans la suite du cours.