कच्चे डेटा का रूपांतरण
पिछले चैप्टर में, आपने rolling mean निकाला था. इस अभ्यास में, आप एक function परिभाषित करेंगे जो पिछले डेटा पॉइंट्स की एक window के mean से नवीनतम डेटा पॉइंट के percent change की गणना करता है. यह function आपको rolling window पर percent change निकालने में मदद करेगा.
यह time series का एक अधिक स्थिर रूप है, जो अक्सर मशीन लर्निंग में उपयोगी होता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Data के लिए Machine Learning
अभ्यास निर्देश
- एक
percent_changefunction परिभाषित करें जो इनपुट time series ले और ये करे:- इनपुट series के आख़िरी मान को छोड़कर बाकी सभी मान निकालें (इसे
previous_valuesमें रखें) और time series का केवल आख़िरी मान निकालें (इसेlast_valueमें रखें). - आख़िरी मान और पहले के मानों के mean के बीच का प्रतिशत अंतर निकालें.
- इनपुट series के आख़िरी मान को छोड़कर बाकी सभी मान निकालें (इसे
- 20 की rolling window का उपयोग करते हुए, इस function को
pricesपर apply करें, और दिए गए कोड से इसे visualize करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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()