DataCamp Premium à -50 %.Plus de 700 cours, à moitié prix. Commencez à apprendre dès aujourd’hui.
Description du cours
Découvrez tout ce qu'il faut savoir sur les données chronologiques
Travailler avec des données qui évoluent au fil du temps est une compétence essentielle en science des données. Ce type de données est appelé série chronologique. Vous apprendrez les principes fondamentaux de ce que représente une série chronologique, comment extraire des statistiques récapitulatives sur les données d'une série chronologique et comment interpréter visuellement une série chronologique.Maîtrisez la manipulation des séries chronologiques avec zoo, lubridate et xts
Vous maîtriserez l'utilisation des packages zoo et lubridate pour importer, explorer et visualiser des données chronologiques dans R. Vous apprendrez à extraire les attributs clés des informations chronologiques, tels que la période couverte par ces données et la fréquence d'échantillonnage, et vous acquerrez ainsi une grande aisance dans la conversion entre les tableaux de données et les séries chronologiques. De plus, en regroupant vos données, vous apprendrez à identifier les tendances générales à l'aide du package xts.Perfectionnez vos compétences en matière de sous-ensembles
Vous apprendrez à extraire une fenêtre d'une série chronologique afin de vous concentrer sur une période particulière qui vous intéresse. Vous échantillonneriez les données chronologiques à différentes fréquences, par exemple toutes les minutes, toutes les heures, tous les mois ou toutes les années. Vous apprendrez également des méthodes d'« imputation » de vos données, c'est-à-dire de remplissage des valeurs manquantes à l'aide de méthodes de remplissage constant, LOCF ou d'interpolation linéaire. Vous apprendrez également à créer des fenêtres « glissantes » d'une série chronologique qui se déplacent ou « glissent » avec les données, ce qui permet de résumer les tendances des données au fil du temps. Vous apprendrez également à créer des fenêtres extensibles qui indiquent comment ces statistiques sommaires se rapprochent de leur valeur finale.Prérequis
Programme de formation
Plan du cours
1
Qu’est-ce qu’une série temporelle ?
Vous apprendrez les bases de ce que représente une série temporelle, comment obtenir des statistiques descriptives sur les données d’une série temporelle, et comment interpréter visuellement un graphique de série temporelle dans la phase d’exploration de votre analyse. Vous verrez également comment gérer les informations de date et d’heure au sein des objets R et comment appliquer un formatage cohérent pour les dates.
- Qu’est-ce qu’une série temporelle ?50 XP
- Tracer des séries temporelles avec autoplot100 XP
- Résumé de la série temporelle100 XP
- Interpréter des graphiques de séries temporelles100 XP
- Classes de données temporelles dans R50 XP
- Identifier la classe50 XP
- Fonctions is-point100 XP
- as_date de lubridate100 XP
- Formater des dates en R50 XP
- Spécifications de conversion100 XP
- Analyser et formater des dates100 XP
2
Manipuler des séries temporelles avec zoo
Ici, vous apprendrez à extraire des attributs clés d’une série temporelle, comme l’intervalle de temps couvert par les données et la fréquence d’échantillonnage, afin de mieux comprendre vos données. Vous découvrirez aussi le package zoo, qui propose des outils et fonctions pour créer et manipuler des objets de séries temporelles. De nombreuses applications de data science en R utilisent le paradigme des data frames ; vous apprendrez à convertir un data frame en série temporelle et inversement.
3
Indexer des objets de séries temporelles
Vous verrez comment extraire une fenêtre d’une série temporelle pour vous concentrer sur une période précise. Avec des données réelles, l’étendue temporelle de votre jeu de données peut dépasser vos besoins et encombrer vos visualisations. Vous échantillonnerez des séries à divers rythmes, par exemple chaque minute, heure, mois ou année. En agrégeant vos données, vous dégagerez les tendances générales à l’aide du package xts. Vous apprendrez également des méthodes d’« imputation » — remplir les valeurs manquantes avec une constante, la méthode LOCF ou l’interpolation linéaire.
4
Fenêtres glissantes et cumulatives
Vous apprendrez à créer des fenêtres « glissantes » qui se déplacent avec les données, ce qui permet de résumer les tendances au fil du temps, par exemple la moyenne sur plusieurs mois d’observations ou la somme sur plusieurs semaines de ventes. Des statistiques globales comme la moyenne, la médiane, la somme ou le maximum n’indiquent pas toujours comment les données évoluent dans le temps ; les fenêtres glissantes vous permettront de calculer des statistiques dynamiquement. En plus des fenêtres glissantes, vous apprendrez à créer des fenêtres cumulatives, qui montrent comment ces statistiques convergent vers leur valeur finale.
R
Manipuler des séries temporelles en R
Cours
terminé
