Wprowadzenie do kursu

Analiza szeregów czasowych w Pythonie

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Przykład szeregu czasowego: Google Trends

Przykład szeregu czasowego: dane klimatyczne

Przykład szeregu czasowego: kwartalne dane o przychodach

Przykład wielu szeregów: gaz ziemny i olej opałowy

Cele kursu

• Poznanie modeli szeregów czasowych
• Dopasowanie danych do modelu szeregu czasowego
• Wykorzystanie modeli do prognozowania
• Poznanie odpowiednich pakietów statystycznych w Pythonie
• Konkretne przykłady zastosowania tych modeli

Przydatne narzędzia pandas

• Zmiana indeksu na datetime

    df.index = pd.to_datetime(df.index)
  

• Wizualizacja danych

    df.plot()
  

• Wycinanie danych

    df['2012']
  

Przydatne narzędzia pandas

• Łączenie dwóch DataFrames

    df1.join(df2)
  

• Resampling danych (np. z dziennego na tygodniowy)

    df = df.resample(rule='W').last()
  

Więcej funkcji pandas

• Obliczanie zmian procentowych i różnic szeregu czasowego

    df['col'].pct_change()
    df['col'].diff()
  

• Metoda korelacji pandas dla Series

    df['ABC'].corr(df['XYZ'])
  

• Autokorelacja w pandas

    df['ABC'].autocorr()
  

Czas na ćwiczenia!

Analiza szeregów czasowych w Pythonie