Percentielen en partiële functies

In deze oefening ga je oefenen met het vooraf kiezen van argumenten van een functie, zodat je kunt vooraf instellen hoe die wordt uitgevoerd. Je gebruikt dit om meerdere percentielen van je gegevens te berekenen met dezelfde functie percentile() in numpy.

Deze oefening maakt deel uit van de cursus

Machine Learning voor tijdreeksgegevens in Python

Bekijk cursus

Oefeninstructies

Importeer partial uit functools.
Gebruik de functie partial() om met een list comprehension meerdere featuregenerators te maken die percentielen van je gegevens berekenen.
Gebruik het rolling window (prices_perc_rolling) dat we voor je hebben gedefinieerd om de kwantielen te berekenen met percentile_functions.
Visualiseer de resultaten met de code die je hebt gekregen.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Import partial from functools
____
percentiles = [1, 10, 25, 50, 75, 90, 99]

# Use a list comprehension to create a partial function for each quantile
percentile_functions = [____(np.percentile, q=percentile) for percentile in percentiles]

# Calculate each of these quantiles on the data using a rolling window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
features_percentiles = prices_perc_rolling.____(____)

# Plot a subset of the result
ax = features_percentiles.loc[:"2011-01"].plot(cmap=plt.cm.viridis)
ax.legend(percentiles, loc=(1.01, .5))
plt.show()

Code bewerken en uitvoeren