Перетворення сирих даних

У попередньому розділі ви обчислювали ковзне середнє. У цій вправі ви визначите функцію, яка рахує відсоткову зміну останньої точки даних від середнього значення у вікні попередніх точок. Ця функція допоможе вам обчислювати відсоткову зміну на ковзному вікні.

Це стабільніший тип часових рядів, який часто корисний у машинному навчанні.

Ця вправа є частиною курсу

Machine Learning для часових рядів у Python

Переглянути курс

Інструкції до вправи

Визначте функцію percent_change, яка приймає часовий ряд на вхід і виконує таке:
- Витягніть усі значення, окрім останнього, з вхідного ряду (присвойте до previous_values), а також лише останнє значення часового ряду (присвойте до last_value).
- Обчисліть відсоткову різницю між останнім значенням і середнім попередніх значень.
Використовуючи ковзне вікно розміру 20, застосуйте цю функцію до prices і візуалізуйте результат за допомогою наданого коду.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Your custom function
def percent_change(series):
    # Collect all *but* the last value of this window, then the final value
    previous_values = series[:____]
    last_value = series[-1]

    # Calculate the % difference between the last value and the mean of earlier values
    percent_change = (____ - np.mean(previous_values)) / np.mean(previous_values)
    return percent_change

# Apply your custom function and plot
prices_perc = prices.rolling(20).____
prices_perc.loc["2014":"2015"].plot()
plt.show()

Редагувати та запускати код