Przejdź do głównej treści

Strona główna Python

Kurs

Wizualizacja danych szeregów czasowych w Pythonie

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 03.2022

Wizualizuj sezonowość, trendy i inne wzorce w danych szeregów czasowych.

Zacznij kurs za darmo

PythonData Visualization

4 godz.

17 filmów

59 Ćwiczeń

4,850 XP

26,455

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Dane szeregów czasowych są wszechobecne w dziedzinie Data Science. Niezależnie od tego, czy analizujesz trendy biznesowe, prognozujesz przychody firmy, czy badasz zachowania klientów – każdy data scientist prędzej czy później zetknie się z danymi tego typu. Aby ułatwić ci start w pracy z szeregami czasowymi, ten kurs zapewni praktyczną wiedzę na temat ich wizualizacji przy użyciu Pythona.

Wymagania wstępne

Introduction to Data Visualization with Matplotlib Manipulating Time Series Data in Python

1

Line Plots

You will learn how to leverage basic plottings tools in Python, and how to annotate and personalize your time series plots. By the end of this chapter, you will be able to take any static dataset and produce compelling plots of your data.

Welcome to the course!

Load your time series data

Test whether your data is of the correct type

Plot your first time series

Your first plot!

Specify plot styles

Display and label plots

Customize your time series plot

Subset time series data

Add vertical and horizontal markers

Add shaded regions to your plot

Zacznij rozdział

2

Summary Statistics and Diagnostics

In this chapter, you will gain a deeper understanding of your time series data by computing summary statistics and plotting aggregated views of your data.

Clean your time series data

Find missing values

Handle missing values

Plot aggregates of your data

Display rolling averages

Display aggregated values

Summarize the values in your time series data

Compute numerical summaries

Boxplots and Histograms

Density plots

Zacznij rozdział

3

Seasonality, Trend and Noise

You will go beyond summary statistics by learning about autocorrelation and partial autocorrelation plots. You will also learn how to automatically detect seasonality, trend and noise in your time series data.

Autocorrelation and Partial autocorrelation

Autocorrelation in time series data

Interpret autocorrelation plots

Partial autocorrelation in time series data

Interpret partial autocorrelation plots

Seasonality, trend and noise in time series data

Time series decomposition

Plot individual components

A quick review

Visualize the airline dataset

Analyze the airline dataset

Time series decomposition of the airline dataset

Zacznij rozdział

4

Work with Multiple Time Series

In the field of Data Science, it is common to be involved in projects where multiple time series need to be studied simultaneously. In this chapter, we will show you how to plot multiple time series at once, and how to discover and describe relationships between multiple time series.

Working with more than one time series

Load multiple time series

Visualize multiple time series

Statistical summaries of multiple time series

Plot multiple time series

Define the color palette of your plots

Add summary statistics to your time series plot

Plot your time series on individual plots

Find relationships between multiple time series

Compute correlations between time series

Visualize correlation matrices

Clustered heatmaps

Zacznij rozdział

5

Case Study: Unemployment Rate

This chapter will give you a chance to practice all the concepts covered in the course. You will visualize the unemployment rate in the US from 2000 to 2010.

Apply your knowledge to a new dataset

Explore the Jobs dataset

Describe time series data with boxplots

Beyond summary statistics

Plot all the time series in your dataset

Annotate significant events in time series data

Plot monthly and yearly trends

Decompose time series data

Apply time series decomposition to your dataset

Visualize the seasonality of multiple time series

Compute correlations between time series

Correlations between multiple time series

Interpret correlations

Congratulations!

Zacznij rozdział

Wizualizacja danych szeregów czasowych w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wizualizacja danych szeregów czasowych w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.