Percentiles et fonctions partielles
Dans cet exercice, vous allez vous entraîner à préfixer des arguments d’une fonction pour la préconfigurer avant son exécution. Vous utiliserez cette approche pour calculer plusieurs percentiles de vos données en réutilisant la même fonction percentile() de numpy.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Importez
partialdepuisfunctools. - Utilisez la fonction
partial()pour créer plusieurs générateurs de caractéristiques qui calculent des percentiles de vos données à l’aide d’une liste en compréhension. - En utilisant la fenêtre glissante (
prices_perc_rolling) que nous avons définie pour vous, calculez les quantiles avecpercentile_functions. - Visualisez les résultats avec le code fourni.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()