Usar información de "fecha"
Es fácil pensar en las marcas de tiempo como números puros, pero no olvides que, en general, corresponden a eventos del mundo real. Eso significa que a menudo hay información adicional codificada en los datos, como "¿es día laborable?" o "¿en qué trimestre estamos?". Esta información suele ser útil para predecir datos de series temporales.
En este ejercicio, vas a extraer estas características basadas en fecha/hora. Se ha cargado una única serie temporal en una variable llamada prices.
Este ejercicio forma parte del curso
Machine Learning para datos de series temporales en Python
Instrucciones del ejercicio
- Calcula el día de la semana, el mes del año y el trimestre del año.
- Añade cada uno como una columna al DataFrame
prices_perc, con los nombresday_of_week,month_of_yearyquarter_of_year, respectivamente.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Extract date features from the data, add them as columns
prices_perc['day_of_week'] = prices_perc.____.____
prices_perc['month_of_year'] = prices_perc.____.____
prices_perc['quarter_of_year'] = prices_perc.____.____
# Print prices_perc
print(prices_perc)