แนะนำคอร์ส

การวิเคราะห์อนุกรมเวลาด้วย Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

ตัวอย่าง Time Series: Google Trends

ตัวอย่าง Time Series: ข้อมูลสภาพภูมิอากาศ

ตัวอย่าง Time Series: ข้อมูลรายได้รายไตรมาส

ตัวอย่าง Multiple Series: ก๊าซธรรมชาติและน้ำมันเชื้อเพลิง

เป้าหมายของคอร์ส

• เรียนรู้โมเดล Time Series
• ฟิตข้อมูลกับโมเดล Time Series
• ใช้โมเดลเพื่อพยากรณ์อนาคต
• เรียนรู้การใช้แพ็กเกจสถิติที่เกี่ยวข้องใน Python
• ดูตัวอย่างจริงของการนำโมเดลไปใช้งาน

เครื่องมือ Pandas ที่มีประโยชน์

• เปลี่ยน index เป็น datetime

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

• การพล็อตข้อมูล

    df.plot()
  

• การสไลซ์ข้อมูล

    df['2012']
  

เครื่องมือ Pandas ที่มีประโยชน์

• รวม DataFrame สองตัวเข้าด้วยกัน

    df1.join(df2)
  

• Resample ข้อมูล (เช่น จากรายวันเป็นรายสัปดาห์)

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

ฟังก์ชัน pandas เพิ่มเติม

• คำนวณเปอร์เซ็นต์การเปลี่ยนแปลงและผลต่างของ Time Series

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

• เมธอด correlation ของ Series ใน pandas

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

• autocorrelation ใน pandas

    df['ABC'].autocorr()
  

มาฝึกกันเถอะ!

การวิเคราะห์อนุกรมเวลาด้วย Python