Exploiter les informations de « date »
On a vite fait de considérer les horodatages comme de simples nombres, mais n’oubliez pas qu’ils correspondent généralement à des événements du monde réel. Cela signifie que des informations supplémentaires sont souvent encodées dans les données, comme « est-ce un jour de semaine ? » ou « à quel trimestre cela correspond-il ? ». Ces informations sont souvent utiles pour prédire des données de séries temporelles.
Dans cet exercice, vous allez extraire ces fonctionnalités basées sur la date et l’heure. Une série temporelle a été chargée dans une variable appelée prices.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Calculez le jour de la semaine, le mois de l’année et le trimestre de l’année.
- Ajoutez chacun comme colonne au DataFrame
prices_perc, sous les nomsday_of_week,month_of_yearetquarter_of_year, respectivement.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)