In [17]:
# Na ovaj način možemo da učitamo seriju. 
# Ovo je zapravo jedan .csv fajl (možemo ga otvoriti i u Excel-u)
serija = Series.from_csv('daily-total-female-births.csv', header = 0) 

# koristili smo naredbu .from_csv i naveli ime datoteke. 
# Da bi Vam ovo radilo, preuzmite .csv fajl sa linka. 
# Takođe, najlakše je da ovo uradite iz polja "Home" (glavni web prozor koji se otvori kada pokrenete Jupyter Notebook),
# upload ovog fajla u okruženje Jupyter Notebook. 
# Na ovaj način nećete morati da vodite računa u kom folderu i putanji se sam .csv fajl nalazi
# Dodatno, uneli smo parametar header, a time smo sugerisali da se preskoči prvi (nulti) red i da je ovo polje
# rezervisano za naziv kolona
In [18]:
# Tabela koju smo učitali ima dve kolone
# prva u kojoj je datum, učitana je automatski kao index
# a vrednosti samih dnevnih vrednosti učitane su u serija.values
serija.index
Out[18]:
DatetimeIndex(['1959-01-01', '1959-01-02', '1959-01-03', '1959-01-04',
               '1959-01-05', '1959-01-06', '1959-01-07', '1959-01-08',
               '1959-01-09', '1959-01-10',
               ...
               '1959-12-22', '1959-12-23', '1959-12-24', '1959-12-25',
               '1959-12-26', '1959-12-27', '1959-12-28', '1959-12-29',
               '1959-12-30', '1959-12-31'],
              dtype='datetime64[ns]', name='Date', length=365, freq=None)
In [19]:
# možemo videti da je sada sam tip podatka koji ovde imamo zapravo 
# Timestamp koji Python koristi za rad sa datumima.  
type (serija.index[0])
Out[19]:
pandas._libs.tslib.Timestamp
In [20]:
# možemo i da iscrtamo seriju
serija.plot()
Out[20]:
<matplotlib.axes._subplots.AxesSubplot at 0xb891be0>
In [28]:
serija.index[0]
Out[28]:
Timestamp('1959-01-01 00:00:00')