Ga naar hoofdinhoud

Cursus

Tijdreeksgegevens manipuleren in Python

GemiddeldVaardigheidsniveau

Bijgewerkt 05-2022

In deze cursus leer je de basis van het werken met tijdreeksgegevens.

Start Cursus Kosteloos

PythonData Manipulation

4 u

16 videos

55 Opdrachten

4,700 XP

71,660

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

In deze cursus leer je de basis van het manipuleren van tijdreeksgegevens. Tijdreeksgegevens zijn gegevens die zijn geïndexeerd op een reeks datums of tijdstippen. Je leert hoe je ingebouwde methoden in pandas gebruikt om met deze index te werken. Je leert ook hoe je tijdreeksen kunt resamplen om de frequentie te wijzigen. Deze cursus laat je bovendien zien hoe je rollende en cumulatieve waarden voor tijdreeksen berekent. Tot slot gebruik je al je nieuwe vaardigheden om een naar waarde gewogen aandelenindex te bouwen op basis van echte aandelengegevens.

Vereisten

Data Manipulation with pandas

1

Werken met tijdreeksen in pandas

Dit hoofdstuk legt de basis om de krachtige tijdreeksfunctionaliteit te benutten die mogelijk wordt gemaakt door hoe pandas datums weergeeft, met name via de DateTimeIndex. Je leert hoe je datuminformatie en tijdreeksen maakt en bewerkt, en hoe je berekeningen uitvoert met tijdsbewuste DataFrames om je gegevens in de tijd te verschuiven of rendementen per periode te berekenen.

Datums en tijden gebruiken met pandas

Je eerste tijdreeks

Indexeren en resamplen van tijdreeksen

Maak een tijdreeks van luchtkwaliteitsdata

Jaarlijkse aandelenkoers-trends vergelijken

Tijdreeksfrequentie instellen en wijzigen

Lags, veranderingen en rendementen voor koersreeksen

Aandelenkoersen in de tijd verschuiven

Koersveranderingen berekenen

Meerperiodereturns plotten

Hoofdstuk beginnen

2

Basisstatistieken voor tijdreeksen en resampling

Dit hoofdstuk gaat dieper in op de essentiële tijdreeksfunctionaliteit die beschikbaar is via de pandas DateTimeIndex. Het introduceert resampling en laat zien hoe je verschillende tijdreeksen kunt vergelijken door hun startpunt te normaliseren.

Groeipercentages van tijdreeksen vergelijken

Vergelijk de prestaties van verschillende vermogensklassen

Aandelenkoersen vergelijken met een benchmark

Toon prestatieverschil t.o.v. benchmarkindex

De frequentie van een tijdreeks aanpassen: resamplen

Zet maandelijkse data om naar wekelijkse data

Maak wekelijkse data van maandelijkse werkloosheidscijfers

Upsamplen en interpoleren met .resample()

Gebruik interpolatie om wekelijkse werkgelegenheidsdata te maken

Interpoleer schuld/bbp en vergelijk met werkloosheid

Downsamplen en aggregeren

Vergelijk wekelijkse, maandelijkse en jaarlijkse ozontrends voor NYC & LA

Vergelijk maandelijkse gemiddelde aandelenkoersen van Facebook en Google

Vergelijk kwartaalgroei van het bbp en aandelenrendementen

Visualiseer de maandelijkse gemiddelde, mediaan en standaarddeviatie van S&P500-rendementen

Hoofdstuk beginnen

3

Vensterfuncties: rollende en uitbreidende statistieken

In dit hoofdstuk leer je hoe je vensterfuncties gebruikt om tijdreeksstatistieken te berekenen voor zowel rollende als uitbreidende vensters.

Rolling window-functies met pandas

Rolling gemiddelde luchtkwaliteit sinds 2010 voor New York City

Rollende mediaan en standaarddeviatie over 360 dagen voor NY-ozongegevens sinds 2000

Rollende kwantielen voor dagelijkse luchtkwaliteit in NYC

Expanderende windowfuncties met pandas

Cumulatieve som vs .diff()

Cumulatief rendement op $1.000 geïnvesteerd in google vs apple I

Cumulatief rendement op $1.000 geïnvesteerd in google vs apple II

Casestudy: S&P500-prijssimulatie

Random walk I

Random walk II

Random walk III

Relaties tussen tijdreeksen: correlatie

Jaarlijkse rendementscorrelaties tussen diverse aandelen

Hoofdstuk beginnen

4

Alles samenbrengen: een naar waarde gewogen index bouwen

Dit hoofdstuk combineert de voorgaande concepten door je te leren hoe je een naar waarde gewogen index maakt. Deze index gebruikt marktkapitalisatiegegevens uit de beursnoteringen om gewichten te berekenen en koersinformatie uit 2016. De indexprestaties worden vervolgens vergeleken met benchmarks om de prestaties van de door jou gemaakte index te evalueren.

Selecteer indexcomponenten en importeer gegevens

Bedrijfsvermeldingen verkennen en opschonen

Selecteer en bekijk indexcomponenten

Prijsinformatie van indexcomponenten importeren

Bouw een naar marktkapitalisatie gewogen index

Aantal uitstaande aandelen berekenen

Maak tijdreeksen van marktkapitalisatie

Bereken en plot de samengestelde index

Indexprestaties evalueren

Bereken de bijdrage van elk aandeel aan de index

Vergelijk indexprestaties met benchmark I

Vergelijk indexprestaties met benchmark II

Indexcorrelatie en exporteren naar Excel

Visualiseer de correlaties van je indexcomponenten

Sla je analyse op naar meerdere Excel-werkbladen

Gefeliciteerd!

Hoofdstuk beginnen

Tijdreeksgegevens manipuleren in Python

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Tijdreeksgegevens manipuleren in Python!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.