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

Ver curso

Instrucciones del 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 como index y asignándolo a google.
Utilice .asfreq() para ajustar la frecuencia de google a diario comercial.
Añada nuevas columnas lagged y shifted a google que contengan el Close desplazado 90 días hábiles hacia el pasado y el futuro, respectivamente.
Traza las tres columnas de google.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el 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

Editar y ejecutar código