Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Dans ce cours, vous allez apprendre les bases de la manipulation de séries temporelles. Les séries temporelles sont des données indexées par une suite de dates ou d’horaires. Vous verrez comment utiliser les méthodes intégrées de Pandas pour travailler avec cet index. Vous apprendrez aussi à rééchantillonner des séries temporelles afin d’en changer la fréquence. Ce cours vous montrera également comment calculer des valeurs glissantes et cumulées pour des séries temporelles. Enfin, vous mettrez en pratique vos nouvelles compétences pour construire un indice boursier pondéré par la capitalisation à partir de données réelles.
Prérequis
Programme de formation
Plan du cours
1
Travailler avec des séries temporelles dans Pandas
Ce chapitre pose les bases pour exploiter les puissantes fonctionnalités de séries temporelles offertes par la façon dont Pandas représente les dates, en particulier via le DateTimeIndex. Vous apprendrez à créer et à manipuler des informations de date et des séries temporelles, ainsi qu’à effectuer des calculs avec des DataFrame sensibles au temps pour décaler vos données dans le temps ou calculer des rendements sur des périodes données.
- Comment utiliser les dates et heures avec pandas50 XP
- Votre première série temporelle100 XP
- Indexation et rééchantillonnage des séries temporelles50 XP
- Créer une série temporelle de données de qualité de l’air100 XP
- Comparer les tendances annuelles des cours boursiers100 XP
- Définir et modifier la fréquence d’une série temporelle100 XP
- Décalages, variations et rendements pour les séries de prix d’actions50 XP
- Décaler les cours boursiers dans le temps100 XP
- Calculer les variations du cours d’une action100 XP
- Tracer des rendements multi-périodes100 XP
2
Mesures de base et rééchantillonnage des séries temporelles
Ce chapitre approfondit les fonctionnalités essentielles des séries temporelles offertes par le pandas DateTimeIndex. Il introduit le rééchantillonnage et montre comment comparer différentes séries temporelles en normalisant leurs points de départ.
3
Fonctions de fenêtre : mesures glissantes et cumulées
Ce chapitre vous montrera comment utiliser des fonctions de fenêtre pour calculer des mesures de séries temporelles sur des fenêtres à la fois glissantes et extensives.
4
Tout rassembler : construire un indice pondéré par la valeur
Ce chapitre combine les concepts précédents en vous apprenant à créer un indice pondéré par la valeur. Cet indice utilise les données de capitalisation boursière issues des listes de la bourse pour calculer les pondérations et les informations de prix des actions de 2016. Les performances de l’indice sont ensuite comparées à des indices de référence afin d’évaluer l’indice que vous avez créé.
Manipuler des séries temporelles en Python
Cours
terminé
