Kursbeschreibung
In diesen Lektionen werden Sie Pandas verwenden, um Zeitreihendaten aus einer Excel-Datei zu lesen. Zeitliche Daten oder Zeitreihen können als Verfolgung der Leistung im Laufe der Zeit oder als Betrachtung von Daten auf einer Zeitachse betrachtet werden. Wir zeigen Ihnen, wie Sie mehrere Zeitreihen in einem Diagramm darstellen und aus den Diagrammen Rückschlüsse auf die Daten ziehen können. Außerdem werden Sie die HVPlot-Bibliothek verwenden, um mehrere Zeitreihen grafisch darzustellen und sich mit einem Filter-Widget auf diese einzeln zu konzentrieren.
Wir zeigen Ihnen auch, wie Sie mit Pandas leistungsbezogene Daten zu hypothetischen Aktienkursen berechnen, die Daten grafisch darstellen und daraus Schlüsse ziehen können. Bei den berechneten Leistungsdaten handelt es sich um zeitliche Statistiken wie Wachstum (prozentuale Veränderung), gleitendes Mittel (7-Tage-Durchschnitt) und kumulative Renditen. Sie werden auch Box Plots mit Zeitreihendaten zeichnen, um statistische Informationen zu jeder Serie zu visualisieren.
Was Sie lernen werden
- Importieren und Plotten von Zeitreihendaten aus einer Excel-Datei mit Pandas
- Plotten Sie mehrere Zeitreihen in demselben Diagramm und ziehen Sie Schlussfolgerungen aus den Diagrammen
- Verwenden Sie die HVPlot-Bibliothek, um mehrere Zeitreihen zu zeichnen und einzelne Reihen mit einem Filter-Widget zu fokussieren
- Berechnen Sie leistungsbasierte zeitliche Statistiken wie Wachstum (prozentuale Veränderung), gleitender Durchschnitt (7-Tage-Durchschnitt) und kumulative Renditen
- Plotten Sie berechnete Leistungsdaten mit Matplotlib und ziehen Sie Schlussfolgerungen aus den Diagrammen
- Erstellen und lesen Sie Box-Diagramme, um statistische Informationen zu Zeitreihendaten zu visualisieren
Wichtige Erkenntnisse
- Zeitliche oder Zeitreihendaten verfolgen die Leistung über die Zeit oder zeigen Daten auf einer Zeitlinie.
- Pandas kann Zeitreihendaten aus einer Excel-Datei lesen und leistungsbasierte Daten zu hypothetischen Aktienkursen berechnen.
- Die HVPlot-Bibliothek ermöglicht es Ihnen, mehrere Zeitreihen zu zeichnen und einzelne Reihen mithilfe eines Filter-Widgets zu fokussieren.
- Berechnete zeitliche Statistiken umfassen Wachstum (prozentuale Veränderung), gleitender Durchschnitt (7-Tage-Durchschnitt) und kumulative Renditen.
- Box-Diagramme können aus Zeitreihendaten erstellt werden, um statistische Informationen zu jeder Reihe zu visualisieren.
Häufig gestellte Fragen
Was werde ich in diesem Kurs lernen?
Sie verwenden Pandas, um Zeitreihendaten aus einer Excel-Datei zu lesen, mehrere Zeitreihen in demselben Diagramm zu plotten, die HVPlot-Bibliothek mit einem Filter-Widget zu verwenden, leistungsbasierte zeitliche Statistiken zu berechnen, die Daten mit Matplotlib zu plotten und Box-Diagramme zu erstellen und zu lesen, um Schlussfolgerungen über die Daten zu ziehen.
Welche Tools und Bibliotheken behandelt dieser Kurs?
Der Kurs behandelt Pandas zum Lesen von Zeitreihendaten und zur Berechnung von Leistungsdaten, die HVPlot-Bibliothek zum Zeichnen mehrerer Zeitreihen mit einem Filter-Widget und Matplotlib zum Plotten berechneter Leistungsdaten.
Welche zeitlichen Statistiken werden in diesem Kurs berechnet?
Der Kurs berechnet zeitliche Statistiken, einschließlich Wachstum (prozentuale Veränderung), gleitender Durchschnitt (7-Tage-Durchschnitt) und kumulative Renditen, demonstriert an hypothetischen Aktienkursen.
Welche Lektionen sind enthalten?
Der Kurs umfasst drei Lektionen: Zeitliche Daten mit einem Liniendiagramm, Plotten berechneter zeitlicher Daten und Erstellen eines Box-Diagramms zur Beschreibung zeitlicher Daten.
Welche Fähigkeiten werde ich gewinnen?
Sie werden Fähigkeiten in Datenvisualisierung, wissenschaftlicher Visualisierung, Zeitreihen, visuellen Analysen, Visualisierung und dem Visualization Toolkit (VTK) erwerben.
