Datum-informatie gebruiken
Tijdstempels lijken misschien gewoon getallen, maar vergeet niet dat ze meestal overeenkomen met gebeurtenissen in de echte wereld. Dat betekent dat er vaak extra informatie in de data zit, zoals "is het een werkdag?" of "welk kwartaal is het?". Deze informatie is vaak nuttig bij het voorspellen van tijdreeksdata.
In deze oefening ga je deze op datum/tijd gebaseerde features extraheren. Een enkele tijdreeks is ingeladen in een variabele prices.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Bereken de dag van de week, maand van het jaar en kwartaal van het jaar.
- Voeg ze elk als kolom toe aan de DataFrame
prices_perc, respectievelijk onder de namenday_of_week,month_of_yearenquarter_of_year.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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)