Transformer des données brutes

Au chapitre précédent, vous avez calculé la moyenne mobile. Dans cet exercice, vous allez définir une fonction qui calcule le pourcentage de variation entre le dernier point de données et la moyenne d’une fenêtre de points précédents. Cette fonction vous permettra de calculer la variation en pourcentage sur une fenêtre glissante.

C’est un type de série temporelle plus stable, souvent utile en Machine Learning.

Cet exercice fait partie du cours

Machine Learning for Time Series Data in Python

Afficher le cours

Instructions

Définissez une fonction percent_change qui prend en entrée une série temporelle et effectue les opérations suivantes :
- Extraire toutes les valeurs sauf la dernière (affectées à previous_values) et extraire uniquement la dernière valeur de la série (affectée à last_value).
- Calculer la différence en pourcentage entre la dernière valeur et la moyenne des valeurs précédentes.
En utilisant une fenêtre glissante de 20, appliquez cette fonction à prices, puis visualisez le résultat avec le code fourni.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Your custom function
def percent_change(series):
    # Collect all *but* the last value of this window, then the final value
    previous_values = series[:____]
    last_value = series[-1]

    # Calculate the % difference between the last value and the mean of earlier values
    percent_change = (____ - np.mean(previous_values)) / np.mean(previous_values)
    return percent_change

# Apply your custom function and plot
prices_perc = prices.rolling(20).____
prices_perc.loc["2014":"2015"].plot()
plt.show()

Modifier et exécuter le code