转换原始数据

在上一章中，您计算了滑动平均。本练习中，您将定义一个函数，用于计算最新数据点相对于之前数据点窗口均值的百分比变化。该函数将帮助您在滑动窗口上计算百分比变化。

这是一类更稳定的时间序列，常用于机器学习。

本练习是课程的一部分

Python 中的时间序列机器学习

查看课程

练习说明

定义一个 percent_change 函数，接收一个时间序列作为输入，并执行以下操作：
- 提取输入序列中除最后一个值外的所有值（赋给 previous_values），以及时间序列的最后一个值（赋给 last_value）。
- 计算最后一个值与较早值均值之间的百分比差异。
使用窗口大小为 20 的滑动窗口，将该函数应用到 prices，并使用给定代码进行可视化。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码