Perzentile und partielle Funktionen

In dieser Übung übst du, wie du Argumente einer Funktion vorab festlegst, um ihre Ausführung vorzukonfigurieren. Damit berechnest du mehrere Perzentile deiner Daten mit derselben Funktion percentile() aus numpy.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen für Zeitreihendaten in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere partial aus functools.
Verwende die Funktion partial(), um mithilfe einer List Comprehension mehrere Feature-Generatoren zu erstellen, die Perzentile deiner Daten berechnen.
Berechne mit dem von uns definierten Rolling Window (prices_perc_rolling) die Quantile mithilfe von percentile_functions.
Visualisiere die Ergebnisse mit dem bereitgestellten Code.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import partial from functools
____
percentiles = [1, 10, 25, 50, 75, 90, 99]

# Use a list comprehension to create a partial function for each quantile
percentile_functions = [____(np.percentile, q=percentile) for percentile in percentiles]

# Calculate each of these quantiles on the data using a rolling window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
features_percentiles = prices_perc_rolling.____(____)

# Plot a subset of the result
ax = features_percentiles.loc[:"2011-01"].plot(cmap=plt.cm.viridis)
ax.legend(percentiles, loc=(1.01, .5))
plt.show()

Code bearbeiten und ausführen