Fonctions de fenêtre glissante avec pandas

Manipuler des séries temporelles en Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Fonctions de fenêtre dans pandas

  • Les fenêtres définissent des sous-périodes de la série temporelle
  • Calculez des indicateurs sur ces sous-périodes
  • Créez une nouvelle série d’indicateurs
  • Deux types de fenêtres :
    • Mobile : taille fixe, glissante (cette vidéo)
    • Cumulative : tous les points précédents (prochaine vidéo)
Manipuler des séries temporelles en Python

Calculer une moyenne mobile

data = pd.read_csv('google.csv', parse_dates=['date'], index_col='date')

DatetimeIndex: 1761 entries, 2010-01-04 to 2016-12-30
Data columns (total 1 columns):
price     1761 non-null float64
dtypes: float64(1)

ch3_1_v2 - Rolling Window Functions with Pandas.010.png

Manipuler des séries temporelles en Python

Calculer une moyenne mobile

# Taille de fenêtre par entier
data.rolling(window=30).mean() # nb d’observations fixe

DatetimeIndex: 1761 entries, 2010-01-04 to 2017-05-24
Data columns (total 1 columns):
price    1732 non-null float64
dtypes: float64(1)
  • window=30 : nb de jours ouvrés
  • min_periods : choisir < 30 pour obtenir les premiers résultats
Manipuler des séries temporelles en Python

Calculer une moyenne mobile

# Taille de fenêtre par décalage
data.rolling(window='30D').mean() # durée fixe

DatetimeIndex: 1761 entries, 2010-01-04 to 2017-05-24
Data columns (total 1 columns):
price    1761 non-null float64
dtypes: float64(1)
  • 30D : nb de jours calendaires
Manipuler des séries temporelles en Python

Moyenne mobile 90 jours

r90 = data.rolling(window='90D').mean()

google.join(r90.add_suffix('_mean_90')).plot()

ch3_1_v2 - Rolling Window Functions with Pandas.017.png

Manipuler des séries temporelles en Python

Moyennes mobiles 90 et 360 jours

data['mean90'] = r90

r360 = data['price'].rolling(window='360D'.mean()

data['mean360'] = r360; data.plot()

ch3_1_v2 - Rolling Window Functions with Pandas.020.png

Manipuler des séries temporelles en Python

Plusieurs indicateurs mobiles (1)

r = data.price.rolling('90D').agg(['mean', 'std'])

r.plot(subplots = True)

ch3_1_v2 - Rolling Window Functions with Pandas.022.png

Manipuler des séries temporelles en Python

Plusieurs indicateurs mobiles (2)

rolling = data.google.rolling('360D')

q10 = rolling.quantile(0.1).to_frame('q10')

median = rolling.median().to_frame('median')

q90 = rolling.quantile(0.9).to_frame('q90')

pd.concat([q10, median, q90], axis=1).plot()

ch3_1_v2 - Rolling Window Functions with Pandas.024.png

Manipuler des séries temporelles en Python

Passons à la pratique !

Manipuler des séries temporelles en Python

Preparing Video For Download...