Tworzenie cech dzień tygodnia

Możemy tworzyć cechy datetime, aby dostarczyć jeszcze więcej informacji naszym modelom nieliniowym. Większość danych finansowych zawiera znaczniki czasu, które niosą ze sobą wiele informacji – rok, miesiąc, dzień, a czasem godzinę, minutę i sekundę. Możemy też wyodrębnić dzień tygodnia, kwartał roku czy czas, jaki upłynął od jakiegoś zdarzenia (np. publikacji wyników finansowych).

W tym ćwiczeniu wyodrębnimy tylko dzień tygodnia, ponieważ nasz zbiór danych nie obejmuje zbyt długiego okresu. Właściwość dayofweek z indeksu datetime biblioteki pandas pozwoli nam uzyskać dzień tygodnia. Następnie zastosujemy kodowanie zero-jedynkowe za pomocą funkcji get_dummies() z biblioteki pandas. Tworzy ona osobną kolumnę dla każdego dnia tygodnia z wartościami binarnymi (0 lub 1). Pierwszą kolumnę pomijamy, ponieważ można ją wywnioskować z pozostałych.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w finansach z Pythonem

Zobacz kurs

Instrukcje do ćwiczenia

Użyj właściwości dayofweek z indeksu lng_df, aby uzyskać dni tygodnia.
Zastosuj funkcję get_dummies na zmiennej zawierającej dni tygodnia, ustawiając prefiks 'weekday'.
Ustaw indeks zmiennej days_of_week taki sam jak indeks lng_df, aby móc połączyć oba DataFrame'y.
Połącz DataFrame'y lng_df i days_of_week w jeden DataFrame za pomocą funkcji concat.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use pandas' get_dummies function to get dummies for day of the week
days_of_week = pd.get_dummies(lng_df.index.____,
                              prefix=____,
                              drop_first=True)

# Set the index as the original dataframe index for merging
days_of_week.index = lng_df.____

# Join the dataframe with the days of week dataframe
lng_df = pd.concat([lng_df, ____], axis=1)

# Add days of week to feature names
feature_names.extend(['weekday_' + str(i) for i in range(1, 5)])
lng_df.dropna(inplace=True)  # drop missing values in-place
print(lng_df.head())

Edytuj i uruchom kod