使用 "date" 信息
我们很容易把时间戳当作纯数字，但别忘了它们通常对应现实世界中发生的事情。这意味着数据里常常编码了额外信息，比如"是否是工作日？"或"属于哪个季度？"。这些信息在预测时间序列数据时往往很有用。
在本练习中，您将提取这些基于日期/时间的特征。单个时间序列已加载到名为 prices 的变量中。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
- 计算一周中的星期几、一年中的月份以及一年中的季度。
- 将每项分别作为新列添加到
prices_percDataFrame 中，列名分别为day_of_week、month_of_year和quarter_of_year。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)