Ký hiệu chuyển đổi

Ghi nhớ các ký hiệu chuyển đổi có thể khó lúc đầu, nhưng bạn sẽ quen dần khi thực hành!

Trong bài này, bạn sẽ làm việc với ngày tháng ở ba định dạng khác nhau. Dựa trên một số ký hiệu chuyển đổi phổ biến, hãy phân loại từng ngày vào nhóm định dạng phù hợp nhất.

Bài tập này là một phần của khóa học

Xử lý Dữ liệu Chuỗi Thời gian trong R

Xem khóa học

Bài tập tương tác thực hành

Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi

Bắt đầu bài tập

Bài tập này là một phần của khóa học

Xử lý Dữ liệu Chuỗi Thời gian trong R

SkillTag.level.intermediateSkillTag.label

4.8+

291 reviews

Bắt đầu khóa học miễn phí

Bạn sẽ học nền tảng về ý nghĩa của một chuỗi thời gian, cách lấy số liệu thống kê tóm tắt cho dữ liệu trong chuỗi thời gian, và cách diễn giải trực quan biểu đồ chuỗi thời gian như một phần của bước khám phá trong phân tích của bạn. Bạn cũng sẽ tìm hiểu cách quản lý thông tin ngày giờ trong các đối tượng R và cách áp dụng định dạng ngày tháng nhất quán.

Exercise 1: Dữ liệu chuỗi thời gian là gì?Exercise 2: Vẽ chuỗi thời gian với autoplot Exercise 3: Tóm tắt chuỗi thời gian Exercise 4: Diễn giải biểu đồ chuỗi thời gian Exercise 5: Các lớp dữ liệu thời gian trong R Exercise 6: Xác định lớp (class) của đối tượng Exercise 7: Các hàm is-dot Exercise 8: as_date của lubridate Exercise 9: Định dạng ngày trong R Exercise 10: Ký hiệu chuyển đổi

Bài tập hiện tại

Exercise 11: Phân tích và định dạng ngày tháng

Tại đây, bạn sẽ học cách lấy các thuộc tính then chốt của thông tin chuỗi thời gian, như phạm vi thời gian của dữ liệu và tần suất lấy mẫu, để hiểu dữ liệu của bạn tốt hơn. Bạn cũng sẽ được giới thiệu gói zoo, chứa các công cụ và hàm để tạo và xử lý các đối tượng chuỗi thời gian. Nhiều ứng dụng khoa học dữ liệu trong R sử dụng mô hình data frame; bạn sẽ học cách chuyển đổi giữa data frame và chuỗi thời gian.

Exercise 1: Thuộc tính chuỗi thời gian Exercise 2: Thuộc tính thời gian và ngày thập phân Exercise 3: So sánh các thuộc tính thời gian Exercise 4: Đối tượng chuỗi thời gian với gói zoo Exercise 5: Tạo một đối tượng zoo Exercise 6: zoo và ggplot2 Exercise 7: Thao tác với đối tượng zoo Exercise 8: Cập nhật và thay thế chỉ mục Exercise 9: Tìm các chỉ mục trùng nhau Exercise 10: Chuyển đổi giữa zoo và data frame Exercise 11: Chuyển đổi giữa data.frame và zoo

Bạn sẽ học cách trích một cửa sổ quan sát từ chuỗi thời gian để tập trung vào một khoảng thời gian quan tâm cụ thể. Bạn sẽ thấy rằng khi làm việc với dữ liệu chuỗi thời gian thực tế, khoảng thời gian của bộ dữ liệu có thể bao trùm nhiều thông tin hơn mức bạn cần, dễ làm rối biểu đồ. Bạn sẽ lấy mẫu dữ liệu chuỗi thời gian ở nhiều mức, như mỗi phút, giờ, tháng hoặc năm. Hơn nữa, bằng cách tổng hợp dữ liệu, bạn sẽ nhận ra các xu hướng tổng thể trong dữ liệu bằng gói xts. Bạn cũng sẽ học các phương pháp "imputing" dữ liệu – điền giá trị thiếu bằng giá trị cố định, LOCF hoặc nội suy tuyến tính.

Exercise 1: Chọn một cửa sổ quan sát Exercise 2: Chọn một cửa sổ từ chuỗi thời gian Exercise 3: Tìm quan sát theo một ngày cụ thể Exercise 4: Biểu thức logic và trích xuất tập con Exercise 5: Dữ liệu theo tháng và theo quý Exercise 6: zoo::yearmon Exercise 7: zoo::yearqtr Exercise 8: Tái lấy mẫu và tổng hợp các quan sát Exercise 9: Tổng hợp dữ liệu Exercise 10: Mức tổng hợp tùy chỉnh Exercise 11: Vẽ chuỗi thời gian đã tổng hợp với ggplot2 Exercise 12: Bù giá trị bị thiếu Exercise 13: Các phương pháp bù khuyết (imputation)Exercise 14: Điền hằng số (Constant Fill)Exercise 15: Last observation carried forward (LOCF)Exercise 16: Nội suy tuyến tính

Bạn sẽ học cách tạo các cửa sổ “cuộn” (rolling) của chuỗi thời gian di chuyển theo dữ liệu, giúp tóm tắt xu hướng theo thời gian, ví dụ như trung bình qua một số tháng quan sát hoặc tổng qua vài tuần doanh số. Các số liệu thống kê tổng quát như mean, median, sum, maximum, v.v. không phải lúc nào cũng cho thấy cách dữ liệu thay đổi theo thời gian, và cửa sổ cuộn sẽ cho phép bạn tính toán thống kê một cách linh hoạt theo thời gian. Bên cạnh cửa sổ cuộn, bạn cũng sẽ học cách tạo cửa sổ mở rộng (expanding), cho thấy cách các số liệu thống kê tóm tắt tiến dần đến giá trị cuối cùng của chúng.

Exercise 1: Rolling window là gì?Exercise 2: Hàm cửa sổ cuộn (rolling)Exercise 3: Cửa sổ trượt so với phép tổng hợp Exercise 4: Áp dụng hàm cho các cửa sổ rolling Exercise 5: Giá trị nhỏ nhất theo cửa sổ trượt Exercise 6: Rolling apply với hàm tự viết Exercise 7: Cửa sổ mở rộng Exercise 8: So sánh cửa sổ cuộn (rolling) và cửa sổ mở rộng (expanding)Exercise 9: Tổng mở rộng Exercise 10: Giá trị trung bình mở rộng Exercise 11: Chúc mừng bạn!