Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Lernen Sie alles über Zeitreihendaten
Der Umgang mit Daten, die sich im Laufe der Zeit verändern, ist eine unverzichtbare Fähigkeit in Data Science. Diese Art von Daten ist als Zeitreihe bekannt. Sie lernen die Grundlagen dessen, was eine Zeitreihe darstellt, wie Sie zusammenfassende Statistiken zu den Daten in einer Zeitreihe abrufen und wie Sie eine Zeitreihe visuell interpretieren.Meistern Sie die Manipulation von Zeitreihen mit zoo, lubridate und xts
Sie werden den Umgang mit den Paketen zoo und lubridate meistern, um Zeitreihendaten in R zu importieren, zu untersuchen und zu visualisieren. Sie lernen, wichtige Attribute von Zeitreihendaten abzurufen, etwa den Zeitraum der Daten und die Häufigkeit der Datenerfassung, und gewinnen dabei Sicherheit beim Konvertieren zwischen Data Frames und Zeitreihen. Darüber hinaus lernen Sie durch die Aggregation Ihrer Daten, mithilfe des xts-Pakets die allgemeinen Trends in den Daten zu erkennen.Perfektionieren Sie Ihre Subsetting-Fähigkeiten
Sie lernen, wie Sie ein Fenster aus einer Zeitreihe auswählen, um sich auf einen bestimmten interessanten Zeitraum zu konzentrieren. Sie werden Zeitreihendaten in unterschiedlichen Intervallen abtasten, zum Beispiel jede Minute, jede Stunde, jeden Monat oder jedes Jahr. Außerdem lernen Sie Methoden zum „Imputieren“ Ihrer Daten kennen – also fehlende Werte mit konstanter Auffüllung, LOCF oder linearen Interpolationsmethoden zu ergänzen. Sie lernen außerdem, „rolling“-Fenster einer Zeitreihe zu erstellen, die sich mit den Daten bewegen oder „rollen“ und es so ermöglichen, Trends in den Daten über die Zeit zusammenzufassen. Sie lernen außerdem, wie Sie gleitende Fenster erstellen, die zeigen, wie sich diese Zusammenfassungsstatistiken ihrem Endwert annähern.Voraussetzungen
Lernprogramm
Kursübersicht
1
Was sind Zeitreihendaten?
Du lernst die Grundlagen: Was eine Zeitreihe darstellt, wie du Kennzahlen für die Daten einer Zeitreihe ermittelst und wie du ein Zeitreihendiagramm im Explorationsschritt deiner Analyse visuell interpretierst. Außerdem erfährst du, wie man Datums- und Zeitangaben in R-Objekten verwaltet und wie sich ein einheitliches Datumsformat integrieren lässt.
- Was sind Zeitreihendaten?50 XP
- Zeitreihen mit autoplot zeichnen100 XP
- Zeitreihen-Zusammenfassung100 XP
- Zeitreihendiagramme interpretieren100 XP
- Zeitbezogene Datenklassen in R50 XP
- Die Klasse ermitteln50 XP
- is-dot-Funktionen100 XP
- lubridates as_date100 XP
- Datumsformate in R50 XP
- Konvertierungsspezifikationen100 XP
- Datumsangaben parsen und formatieren100 XP
2
Zeitreihen mit zoo bearbeiten
Hier lernst du, wichtige Eigenschaften von Zeitreihen zu ermitteln, etwa die zeitliche Spannweite der Daten und wie häufig die Daten erhoben wurden, um deine Daten besser zu verstehen. Außerdem lernst du das Paket zoo kennen, das Werkzeuge und Funktionen zum Erstellen und Bearbeiten von Zeitreihenobjekten bereitstellt. Viele Data-Science-Anwendungen in R arbeiten im Data-Frame-Paradigma; du lernst, wie man zwischen einem Data Frame und einer Zeitreihe konvertiert.
3
Zeitreihenobjekte indexieren
Du lernst, wie du ein Fenster aus einer Zeitreihe heraus subsettest, um dich auf einen bestimmten Zeitraum zu konzentrieren. Du wirst sehen: In realen Zeitreihen deckt die Zeitspanne deines Datensatzes oft mehr ab, als du benötigst – das kann Visualisierungen überladen. Du wirst Zeitreihendaten mit verschiedenen Raten sampeln, zum Beispiel minütlich, stündlich, monatlich oder jährlich. Durch Aggregation deiner Daten erkennst du die übergeordneten Trends mithilfe des xts-Pakets. Außerdem lernst du Methoden zur „Imputation“ deiner Daten kennen – das Auffüllen fehlender Werte mit konstanten Werten, LOCF oder linearer Interpolation.
4
Rollende und wachsende Fenster
Du lernst, „rollende“ Fenster einer Zeitreihe zu erstellen, die sich mit den Daten mitbewegen – so lassen sich Trends über die Zeit zusammenfassen, etwa der Durchschnitt über aufeinanderfolgende Monate oder die Summe über mehrere Verkaufswochen. Gesamte Kennzahlen wie Mittelwert, Median, Summe oder Maximum zeigen nicht immer, wie sich Daten im Zeitverlauf verändern; rollende Fenster erlauben dir, Kennzahlen dynamisch zu berechnen. Zusätzlich zu rollenden Fenstern lernst du auch wachsende (expanding) Fenster kennen, die zeigen, wie sich diese Kennzahlen ihrem Endwert annähern.
R
Zeitreihen in R bearbeiten
Kurs
abgeschlossen
