Evolución temporal de las cotizaciones bursátiles
El primer método para manipular series temporales que vio en el vídeo fue .shift(), que le permite desplazar todos los valores de un Series o DataFrame en un número de periodos a un momento diferente a lo largo de DateTimeIndex.
Utilicémoslo para comparar visualmente una serie de cotizaciones bursátiles de Google desplazadas 90 días hábiles en el pasado y en el futuro.
Este ejercicio forma parte del curso
Manipulación de datos de series temporales en Python
Instrucciones de ejercicio
Ya hemos importado pandas como pd y matplotlib.pyplot como plt.
- Utilice
pd.read_csv()para importar'google.csv', analizando'Date'como fechas, estableciendo el resultado comoindexy asignándolo agoogle. - Utilice
.asfreq()para ajustar la frecuencia degooglea diario comercial. - Añada nuevas columnas
laggedyshiftedagoogleque contengan elClosedesplazado 90 días hábiles hacia el pasado y el futuro, respectivamente. - Traza las tres columnas de
google.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Import data here
google = ____
# Set data frequency to business daily
google = ____
# Create 'lagged' and 'shifted'
google['lagged'] = ____
google['shifted'] = ____
# Plot the google price series