"date" 정보 활용하기
타임스탬프를 단순한 숫자로만 생각하기 쉽지만, 실제로는 현실 세계의 사건과 연결되어 있다는 점을 잊지 마세요. 예를 들어 "평일인가요?" 또는 "몇 분기인가요?" 같은 추가 정보가 데이터에 함께 담겨 있을 때가 많습니다. 이런 정보는 시계열 데이터를 예측할 때 유용하게 쓰입니다.
이번 연습에서는 이런 날짜/시간 기반 특성을 추출해 보겠습니다. 단일 시계열이 prices 변수에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 데이터 Machine Learning
연습 안내
- 요일, 해당 연도의 월, 해당 연도의 분기를 계산하세요.
- 각각을
prices_percDataFrame에 열로 추가하고, 열 이름은 차례로day_of_week,month_of_year,quarter_of_year로 지정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)