Explorează datele cu EDA
Înainte de orice, hai să explorăm datele. Ori de câte ori începem un proiect de machine learning (ML), primul pas este să facem o analiză exploratorie a datelor (EDA) pentru a ne familiariza cu acestea. Aceasta include:
- grafice ale datelor brute
- histograme
- și altele…
De obicei, încep cu grafice ale datelor brute și histograme. Acestea ne ajută să înțelegem distribuțiile datelor. Dacă distribuția este normală, putem folosi metode statistice parametrice.
În mediul de lucru sunt deja încărcate două seturi de date ca DataFrame-uri pandas: lng_df și spy_df (LNG și SPY). Aruncă o privire asupra lor cu .head(). Vom folosi prețurile de închidere și, ulterior, volumul ca intrări pentru algoritmii ML.
Notă: Vom apela plt.clf() de fiecare dată când dorim un grafic nou, sau f = plt.figure().
Acest exercițiu face parte din cursul
Machine Learning pentru finanțe în Python
Instrucțiuni pentru exercițiu
- Afișează primele 5 rânduri din cele două DataFrame-uri (
lng_dfșispy_df) și examinează conținutul lor. - Folosește biblioteca pandas pentru a reprezenta grafic seria de timp brută pentru
'SPY'și'LNG'cu prețul de închidere ajustat ('Adj_Close') -- seteazălegend=Trueîn.plot(). - Folosește
plt.show()pentru a afișa graficul seriei de timp brute (matplotlib.pyplota fost importat caplt). - Folosește pandas și matplotlib pentru a construi o histogramă a variației procentuale zilnice a prețului de închidere ajustat (folosește
.pct_change()) pentru SPY și LNG.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
print(lng_df.head()) # examine the DataFrames
print(____) # examine the SPY DataFrame
# Plot the Adj_Close columns for SPY and LNG
spy_df[____].plot(label='SPY', legend=True)
lng_df[____].plot(label=____, ____, secondary_y=True)
____ # show the plot
plt.clf() # clear the plot space
# Histogram of the daily price change percent of Adj_Close for LNG
lng_df['Adj_Close'].____.plot.hist(bins=50)
plt.xlabel('adjusted close 1-day percent change')
plt.show()