Ana içeriğe atla

Kurs

Python ile Zaman Serisi Verilerini Manipüle Etme

Orta SeviyeBeceri Seviyesi

Güncel 05.2022

Bu kursta zaman serisi verileriyle çalışmanın temellerini öğreneceksiniz.

Kursa Ücretsiz Başlayın

PythonData Manipulation

4 sa

16 video

55 Egzersiz

4,700 XP

71,656

Başarı Belgesi

Binlerce şirketten öğrencinin sevgisini kazandı

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Bu kursta zaman serisi verilerini manipüle etmenin temellerini öğreneceksin. Zaman serisi verileri, tarih veya zaman dizisiyle indekslenen verilerdir. Bu indeksle çalışmak için Pandas içine yerleşik yöntemleri nasıl kullanacağını öğreneceksin. Ayrıca, frekansı değiştirmek için zaman serilerini nasıl yeniden örnekleyeceğini de göreceksin. Bu kurs, zaman serileri için yuvarlanan (rolling) ve kümülatif değerleri nasıl hesaplayacağını da gösterecek. Son olarak, gerçek hisse senedi verilerinden değer ağırlıklı bir borsa endeksi oluşturmak için tüm yeni becerilerini kullanacaksın.

Önkoşullar

Data Manipulation with pandas

1

Pandas ile Zaman Serileriyle Çalışmak

Bu bölüm, özellikle DateTimeIndex sayesinde Pandas'ın tarihleri temsil etme biçiminin sunduğu güçlü zaman serisi işlevlerinden yararlanmanın temelini atıyor. Tarih bilgisi ve zaman serileri oluşturmayı ve bunları manipüle etmeyi; verilerini zamanda kaydırmak veya döneme özgü getiriler oluşturmak için zaman farkındalığı olan DataFrame'lerle nasıl hesaplamalar yapacağını öğreneceksin.

pandas ile tarih ve saatleri nasıl kullanırsın

İlk zaman serin

Zaman serilerinde indeksleme ve yeniden örnekleme

Hava kalitesi verilerinden bir zaman serisi oluştur

Yıllık hisse senedi fiyat eğilimlerini karşılaştır

Zaman serisi frekansını ayarla ve değiştir

Hisse fiyat serileri için gecikmeler, değişimler ve getiriler

Hisse senedi fiyatlarını zamanda kaydırma

Hisse senedi fiyat değişimlerini hesaplama

Çok dönemli getirilerin görselleştirilmesi

Bölümü Başlat

2

Temel Zaman Serisi Ölçümleri ve Yeniden Örnekleme

Bu bölüm, pandas DataTimeIndex aracılığıyla sunulan temel zaman serisi işlevselliğine daha derinlemesine dalıyor. Yeniden örneklemeyi tanıtıyor ve başlangıç noktalarını normalize ederek farklı zaman serilerini nasıl karşılaştıracağını gösteriyor.

Zaman serilerinin büyüme oranlarını karşılaştır

Birden fazla varlık sınıfının performansını karşılaştır

Hisse senedi fiyatlarını bir kıstasla karşılaştırma

Performans farkını karşılaştırma endeksine göre görselleştir

Zaman serisi frekansını değiştirmek: yeniden örnekleme

Aylık veriyi haftalığa dönüştür

Aylık işsizlik verisinden haftalık seri oluştur

'.resample()\u0027 ile yukarı örnekleme ve enterpolasyon

Haftalık istihdam verisi oluşturmak için enterpolasyon kullan

Borç/GSMH'yi enterpole et ve işsizlikle karşılaştır

Aşağı örnekleme ve toplulaştırma

NYC & LA için haftalık, aylık ve yıllık ozon eğilimlerini karşılaştır

Facebook ve Google için aylık ortalama hisse senedi fiyatlarını karşılaştır

Üç aylık GSYİH büyüme oranı ile hisse getirilerini karşılaştır

Aylık ortalama, medyan ve S&P500 getirilerinin standart sapmasını görselleştir

Bölümü Başlat

3

Pencere Fonksiyonları: Rolling ve Genişleyen Ölçümler

Bu bölüm, hem yuvarlanan (rolling) hem de genişleyen pencereler için zaman serisi ölçümlerini hesaplamak üzere pencere fonksiyonlarını nasıl kullanacağını gösterecek.

pandas ile yuvarlanan pencere fonksiyonları

New York City için 2010'dan beri kayan ortalama hava kalitesi

2000'den beri NYC ozon verileri için 360 günlük medyan ve std. sapma

NYC'de günlük hava kalitesi için yuvarlanan çeyrekler

pandas ile genişleyen pencere fonksiyonları

Kümülatif toplam vs .diff()

2010'da Google ve Apple'da yatırılan 1.000 $'ın birikimli getirisi I

Google ve Apple'a yatırılan 1.000 $'ın kümülatif getirisi II

Vaka çalışması: S&P500 fiyat benzetimi

Rastgele yürüyüş I

Rastgele yürüyüş II

Rastgele yürüyüş III

Zaman serileri arasındaki ilişkiler: korelasyon

Birden çok hissenin yıllık getiri korelasyonları

Bölümü Başlat

4

Hepsini bir araya getirme: Değer ağırlıklı bir endeks oluşturma

Bu bölüm, önceki kavramları birleştirerek değer ağırlıklı bir endeks oluşturmayı öğretiyor. Bu endeks, borsa listelerinde yer alan piyasa değeri verilerini ağırlıkları hesaplamak ve 2016 hisse fiyatı bilgilerini kullanmak için değerlendirir. Daha sonra endeks performansı, oluşturduğun endeksin performansını değerlendirmek üzere göstergelerle (benchmark) karşılaştırılır.

Endeks bileşenlerini seç ve verileri içe aktar

Şirket listeleme bilgilerini keşfet ve temizle

Endeks bileşenlerini seç ve incele

Endeks bileşeni fiyat bilgilerini içe aktar

Piyasa değeri ağırlıklı bir endeks oluştur

Dolaşımdaki hisse sayısını hesapla

Piyasa değerinin zaman serisini oluştur

Bileşik endeksi hesapla ve görselleştir

Endeks performansını değerlendir

Her hissenin endekse katkısını hesapla

Endeks performansını karşılaştır: kıyas ölçütü I

Endeks performansını göstergeyle karşılaştır II

Endeks korelasyonu ve Excel’e aktarma

Endeks bileşenlerinin korelasyonlarını görselleştir

Analizini birden çok Excel çalışma sayfasına kaydet

Bölümü Başlat

Python ile Zaman Serisi Verilerini Manipüle Etme

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Zaman Serisi Verilerini Manipüle Etme eğitimine başlayın!

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.