ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Manipulating Time Series Data in Python

ระดับกลางระดับทักษะ

อัปเดตแล้ว 05/2565

In this course you'll learn the basics of working with time series data.

เริ่มเรียนคอร์สฟรี

PythonData Manipulation

4 ชม.

16 videos

55 Exercises

4,700 เอ็กซ์พี

71,558

ใบรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google แสดงตัวเลือกเพิ่มเติม

หรือ

เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทนับพันแห่ง

ฝึกอบรมทีมอยู่หรือ?

ลองใช้สำหรับธุรกิจ

คำอธิบายหลักสูตร

In this course you'll learn the basics of manipulating time series data. Time series data are data that are indexed by a sequence of dates or times. You'll learn how to use methods built into Pandas to work with this index. You'll also learn how resample time series to change the frequency. This course will also show you how to calculate rolling and cumulative values for times series. Finally, you'll use all your new skills to build a value-weighted stock index from actual stock data.

ข้อกำหนดเบื้องต้น

Data Manipulation with pandas

1

Working with Time Series in Pandas

This chapter lays the foundations to leverage the powerful time series functionality made available by how Pandas represents dates, in particular by the DateTimeIndex. You will learn how to create and manipulate date information and time series, and how to do calculations with time-aware DataFrames to shift your data in time or create period-specific returns.

How to use dates & times with pandas

50 เอ็กซ์พี

Your first time series

100 เอ็กซ์พี

Indexing & resampling time series

50 เอ็กซ์พี

Create a time series of air quality data

100 เอ็กซ์พี

Compare annual stock price trends

100 เอ็กซ์พี

Set and change time series frequency

100 เอ็กซ์พี

Lags, changes, and returns for stock price series

50 เอ็กซ์พี

Shifting stock prices across time

100 เอ็กซ์พี

Calculating stock price changes

100 เอ็กซ์พี

Plotting multi-period returns

100 เอ็กซ์พี

เริ่มบทเรียน

2

Basic Time Series Metrics & Resampling

This chapter dives deeper into the essential time series functionality made available through the pandas DataTimeIndex. It introduces resampling and how to compare different time series by normalizing their start points.

Compare time series growth rates

50 เอ็กซ์พี

Compare the performance of several asset classes

100 เอ็กซ์พี

Comparing stock prices with a benchmark

100 เอ็กซ์พี

Plot performance difference vs benchmark index

100 เอ็กซ์พี

Changing the time series frequency: resampling

50 เอ็กซ์พี

Convert monthly to weekly data

100 เอ็กซ์พี

Create weekly from monthly unemployment data

100 เอ็กซ์พี

Upsampling & interpolation with .resample()

50 เอ็กซ์พี

Use interpolation to create weekly employment data

100 เอ็กซ์พี

Interpolate debt/GDP and compare to unemployment

100 เอ็กซ์พี

Downsampling & aggregation

50 เอ็กซ์พี

Compare weekly, monthly and annual ozone trends for NYC & LA

100 เอ็กซ์พี

Compare monthly average stock prices for Facebook and Google

100 เอ็กซ์พี

Compare quarterly GDP growth rate and stock returns

100 เอ็กซ์พี

Visualize monthly mean, median and standard deviation of S&P500 returns

100 เอ็กซ์พี

เริ่มบทเรียน

3

Window Functions: Rolling & Expanding Metrics

This chapter will show you how to use window function to calculate time series metrics for both rolling and expanding windows.

Rolling window functions with pandas

50 เอ็กซ์พี

Rolling average air quality since 2010 for new york city

100 เอ็กซ์พี

Rolling 360-day median & std. deviation for nyc ozone data since 2000

100 เอ็กซ์พี

Rolling quantiles for daily air quality in nyc

100 เอ็กซ์พี

Expanding window functions with pandas

50 เอ็กซ์พี

Cumulative sum vs .diff()

100 เอ็กซ์พี

Cumulative return on $1,000 invested in google vs apple I

100 เอ็กซ์พี

Cumulative return on $1,000 invested in google vs apple II

100 เอ็กซ์พี

Case study: S&P500 price simulation

50 เอ็กซ์พี

Random walk I

100 เอ็กซ์พี

Random walk II

100 เอ็กซ์พี

Random walk III

100 เอ็กซ์พี

Relationships between time series: correlation

50 เอ็กซ์พี

Annual return correlations among several stocks

100 เอ็กซ์พี

เริ่มบทเรียน

4

Putting it all together: Building a value-weighted index

This chapter combines the previous concepts by teaching you how to create a value-weighted index. This index uses market-cap data contained in the stock exchange listings to calculate weights and 2016 stock price information. Index performance is then compared against benchmarks to evaluate the performance of the index you created.

Select index components & import data

50 เอ็กซ์พี

Explore and clean company listing information

100 เอ็กซ์พี

Select and inspect index components

100 เอ็กซ์พี

Import index component price information

100 เอ็กซ์พี

Build a market-cap weighted index

50 เอ็กซ์พี

Calculate number of shares outstanding

100 เอ็กซ์พี

Create time series of market value

100 เอ็กซ์พี

Calculate & plot the composite index

100 เอ็กซ์พี

Evaluate index performance

50 เอ็กซ์พี

Calculate the contribution of each stock to the index

100 เอ็กซ์พี

Compare index performance against benchmark I

100 เอ็กซ์พี

Compare index performance against benchmark II

100 เอ็กซ์พี

Index correlation & exporting to Excel

50 เอ็กซ์พี

Visualize your index constituent correlations

100 เอ็กซ์พี

Save your analysis to multiple excel worksheets

100 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบทเรียน

Manipulating Time Series Data in Python

เรียนจบคอร์สแล้ว

รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, เรซูเม่ หรือ CV ของคุณ
แชร์บนโซเชียลมีเดียและในการประเมินผลงานของคุณสมัครเลย

สำหรับธุรกิจ

ฝึกอบรม 2 คนขึ้นไป?

รับสิทธิ์การเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบสำหรับทีมของคุณ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

พื้นฐานการเงิน ใน Python

อนุกรมเวลา ใน Python

instructors

Stefan Jansen

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

collaborators

Courses resources

Air quality datadatasets

Stock datadatasets

เข้าร่วมกับผู้เรียนกว่า 19 ล้านคน และเริ่มManipulating Time Series Data in Pythonวันนี้!

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google แสดงตัวเลือกเพิ่มเติม

หรือ

เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา