Usando informações de "data"
É fácil pensar em carimbos de data/hora como números puros, mas não se esqueça de que eles geralmente correspondem a eventos do mundo real. Isso significa que muitas vezes há informação extra codificada nos dados, como "é dia de semana?" ou "em que trimestre está?". Essas informações costumam ser úteis para prever dados de séries temporais.
Neste exercício, você vai extrair esses recursos baseados em data/hora. Uma única série temporal foi carregada na variável prices.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Instruções do exercício
- Calcule o dia da semana, o mês do ano e o trimestre do ano.
- Adicione cada um como uma coluna ao DataFrame
prices_perc, com os nomesday_of_week,month_of_yearequarter_of_year, respectivamente.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)