Uso delle informazioni di "data"
È facile pensare ai timestamp come a semplici numeri, ma ricorda che in genere corrispondono a eventi del mondo reale. Questo significa che spesso nei dati è codificata informazione extra come "è un giorno feriale?" o "in che trimestre siamo?". Queste informazioni sono spesso utili per prevedere dati di serie temporali.
In questo esercizio estrarrai queste caratteristiche basate su data/ora. Una singola serie temporale è stata caricata in una variabile chiamata prices.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Calcola il giorno della settimana, il mese dell'anno e il trimestre dell'anno.
- Aggiungi ognuno come colonna al DataFrame
prices_perc, con i nomiday_of_week,month_of_yearequarter_of_year, rispettivamente.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)