Pular para o conteúdo principal

Curso

Visualizing Time Series Data in Python

IntermediárioNível de habilidade

Atualizado 03/2022

Visualize sazonalidade, tendências e outros padrões em seus dados de séries temporais.

Iniciar Curso Gratuitamente

PythonData Visualization4 h17 vídeos59 Exercícios4,850 XP26,311Certificado de conclusão

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Preferido por alunos de milhares de empresas

Treinar 2 ou mais pessoas?

Experimentar DataCamp for Business

Descrição do curso

Dados de séries temporais estão por toda parte em Data Science. Seja ao analisar tendências de negócios, prever a receita de uma empresa ou explorar o comportamento de clientes, todo cientista de dados provavelmente vai lidar com séries temporais em algum momento do trabalho. Para ajudar você a começar, este curso apresenta, na prática, como visualizar séries temporais usando Python.

Pré-requisitos

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

Iniciar Capítulo

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

Iniciar Capítulo

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

Iniciar Capítulo

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

Iniciar Capítulo

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!

Iniciar Capítulo

Visualizing Time Series Data in Python

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se Agora

Faça como mais de 19 milhões de alunos e comece Visualizing Time Series Data in Python hoje mesmo!

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.