Ingeniería de múltiples funciones rodantes a la vez
Ahora que has practicado un poco de ingeniería de funciones sencilla, pasemos a algo más complejo. Calcularás una colección de características para tus datos de series temporales y visualizarás su aspecto a lo largo del tiempo. Este proceso se parece al funcionamiento de muchos otros modelos de series temporales.
Este ejercicio forma parte del curso
Machine learning para datos de series temporales en Python
Instrucciones de ejercicio
- Define una lista con las cuatro características que vas a calcular: el mínimo, el máximo, la media y la desviación típica (en ese orden).
- Utilizando la ventana móvil (
prices_perc_rolling) que te hemos definido, calcula las características defeatures_to_calculate. - Traza los resultados a lo largo del tiempo, junto con la serie temporal original utilizando el código dado.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Define a rolling window with Pandas, excluding the right-most datapoint of the window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
# Define the features you'll calculate for each window
features_to_calculate = [np.min, ____, ____, ____]
# Calculate these features for your rolling window object
features = prices_perc_rolling.____(features_to_calculate)
# Plot the results
ax = features.loc[:"2011-01"].plot()
prices_perc.loc[:"2011-01"].plot(ax=ax, color='k', alpha=.2, lw=3)
ax.legend(loc=(1.01, .6))
plt.show()