Rohdaten transformieren

Im letzten Kapitel hast du den gleitenden Mittelwert berechnet. In dieser Übung definierst du eine Funktion, die die prozentuale Veränderung des neuesten Datenpunkts gegenüber dem Mittelwert eines Fensters vorheriger Datenpunkte berechnet. Diese Funktion hilft dir, die prozentuale Veränderung über ein gleitendes Fenster zu berechnen.

Das ist eine stabilere Art von Zeitreihe, die im Machine Learning oft nützlich ist.

Diese Übung ist Teil des Kurses

Maschinelles Lernen für Zeitreihendaten in Python

Kurs anzeigen

Anleitung zur Übung

Definiere eine Funktion percent_change, die eine Eingabe-Zeitreihe entgegennimmt und Folgendes tut:
- Extrahiere alle bis auf den letzten Wert der Eingabereihe (zugewiesen an previous_values) und nur den letzten Wert der Zeitreihe (zugewiesen an last_value).
- Berechne die prozentuale Abweichung zwischen dem letzten Wert und dem Mittelwert der vorherigen Werte.
Wende diese Funktion mit einem gleitenden Fenster von 20 auf prices an und visualisiere das Ergebnis mit dem gegebenen Code.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Your custom function
def percent_change(series):
    # Collect all *but* the last value of this window, then the final value
    previous_values = series[:____]
    last_value = series[-1]

    # Calculate the % difference between the last value and the mean of earlier values
    percent_change = (____ - np.mean(previous_values)) / np.mean(previous_values)
    return percent_change

# Apply your custom function and plot
prices_perc = prices.rolling(20).____
prices_perc.loc["2014":"2015"].plot()
plt.show()

Code bearbeiten und ausführen