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

Maschinelles Lernen für Zeitreihendaten in Python

Kurs anzeigen

Anleitung zur Übung

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 Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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