Centiles et fonctions partielles
Dans cet exercice, vous allez pratiquer la pré-sélection des paramètres d'une fonction afin de préconfigurer son exécution. Vous utiliserez cette approche pour calculer plusieurs centiles de vos données à l'aide de la même fonction percentile() de numpy.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Importez
partialdepuisfunctools. - Utilisez la fonction
partial()pour créer plusieurs générateurs de caractéristiques qui calculent des centiles de vos données au moyen d'une compréhension de liste. - En utilisant la fenêtre glissante (
prices_perc_rolling) que nous avons définie pour vous, calculez les quantiles avecpercentile_functions. - Visualisez les résultats à l'aide du code fourni.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import partial from functools
____
percentiles = [1, 10, 25, 50, 75, 90, 99]
# Use a list comprehension to create a partial function for each quantile
percentile_functions = [____(np.percentile, q=percentile) for percentile in percentiles]
# Calculate each of these quantiles on the data using a rolling window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
features_percentiles = prices_perc_rolling.____(____)
# Plot a subset of the result
ax = features_percentiles.loc[:"2011-01"].plot(cmap=plt.cm.viridis)
ax.legend(percentiles, loc=(1.01, .5))
plt.show()