Selezionare una finestra da una serie temporale

I dataset di serie temporali reali possono coprire decenni, come nel caso degli studi climatici e meteorologici a lungo termine, dei registri finanziari o dei dati di borsa. Creando una finestra da una serie temporale, puoi concentrarti su un intervallo specifico di dati importanti o escludere le parti che non è necessario considerare.

In questo esercizio selezionerai una finestra dalla serie temporale dow_jones, che contiene informazioni reali sulle azioni del Dow Jones Industrial Average, ovvero i prezzi di 30 grandi aziende con sede negli Stati Uniti.

Il dataset dow_jones e i pacchetti ggplot2, zoo e lubridate sono a tua disposizione.

Questo esercizio fa parte del corso

Manipolare dati di serie temporali in R

Visualizza il corso

Istruzioni dell'esercizio

Crea una finestra dal dataset dow_jones che inizi il 1° gennaio 2019 e termini il 1° gennaio 2021; assegna il risultato a dow_jones_window.
Genera un autoplot per il dataset dow_jones originale con l'etichetta dell'asse y "Price (USD)".
Genera un autoplot per il dataset dow_jones_window con l'etichetta dell'asse y "Price (USD)".

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create a window from dow_jones
___ <- ___

# Create an autoplot from the original dow_jones
autoplot(___) + 
  labs(___)

# Create an autoplot from dow_jones_window
autoplot(___) + 
  labs(___)

Modifica ed esegui il codice

Manipolare dati di serie temporali in R

IntermediárioNível de habilidade

4.9+

244 reviews

You’ll learn to create “rolling” windows of a time series that move, or "roll" along with data, making it possible to summarize trends in the data across time, such as the average over success months of observations or the sum over several weeks of sales. Overall summary statistics, like mean, median, sum, maximum, and so on, do not always provide insight into how data changes over time, and rolling windows will allow you to compute statistics dynamically. In addition to rolling windows, you will also learn how to create expanding windows, which show how these summary statistics approach their final value.

Exercise 1: What is a rolling window?Exercise 2: Rolling window functions Exercise 3: Rolling windows versus aggregation Exercise 4: Applying functions to rolling windows Exercise 5: Rolling minimum Exercise 6: Rolling apply with a custom function Exercise 7: Expanding windows Exercise 8: Rolling versus expanding windows Exercise 9: Expanding sum Exercise 10: Expanding mean Exercise 11: Congratulations!