Descripción del curso
En estas lecciones usará Pandas para leer datos de series temporales de un archivo de Excel. Los datos temporales o de series temporales se pueden considerar como un seguimiento del desempeño a lo largo del tiempo o como un análisis de los datos en una línea de tiempo. Le enseñaremos a trazar varias series temporales en el mismo gráfico y a sacar inferencias de los datos de los gráficos. Además, utilizará la biblioteca HVPlot para graficar varias series temporales y centrarse en ellas individualmente con un widget de filtro.
También le enseñaremos a usar Pandas para calcular datos basados en el desempeño sobre precios de acciones hipotéticos, luego cómo trazar los datos y sacar inferencias basadas en esos gráficos. Los datos de desempeño calculados serán estadísticas temporales, como crecimiento (cambio porcentual), media móvil (promedio de 7 días) y rendimientos acumulados. También dibujará diagramas de caja utilizando datos de series temporales para visualizar información estadística sobre cada serie.
Lo que aprenderás
- Importar y graficar datos de series de tiempo de un archivo Excel usando Pandas
- Graficar múltiples series de tiempo en el mismo gráfico e inferir del gráfico
- Usar la biblioteca HVPlot para graficar múltiples series de tiempo y enfocarse en series individuales con un widget de filtro
- Calcular estadísticas temporales basadas en desempeño como crecimiento (cambio porcentual), promedio móvil (promedio de 7 días) y retornos acumulativos
- Graficar datos de desempeño calculados con Matplotlib e inferir de los gráficos
- Crear y leer gráficos de caja para visualizar información estadística en datos de series de tiempo
Puntos clave
- Los datos temporales o de series de tiempo rastrean desempeño a lo largo del tiempo o ven datos en una línea de tiempo.
- Pandas puede leer datos de series de tiempo de un archivo Excel y calcular datos basados en desempeño sobre precios de acciones hipotéticos.
- La biblioteca HVPlot te permite graficar múltiples series de tiempo y enfocarte en series individuales usando un widget de filtro.
- Las estadísticas temporales calculadas incluyen crecimiento (cambio porcentual), promedio móvil (promedio de 7 días) y retornos acumulativos.
- Los gráficos de caja pueden dibujarse de datos de series de tiempo para visualizar información estadística en cada serie.
Preguntas frecuentes
¿Qué aprenderé en este curso?
Usarás Pandas para leer datos de series de tiempo de un archivo Excel, graficar múltiples series de tiempo en el mismo gráfico, usar la biblioteca HVPlot con un widget de filtro, calcular estadísticas temporales basadas en desempeño, graficar los datos con Matplotlib y crear y leer gráficos de caja para inferir de los datos.
¿Qué herramientas y bibliotecas cubre este curso?
El curso cubre Pandas para leer datos de series de tiempo y calcular datos de desempeño, la biblioteca HVPlot para graficar múltiples series de tiempo con un widget de filtro y Matplotlib para graficar datos de desempeño calculados.
¿Qué estadísticas temporales se calculan en este curso?
El curso calcula estadísticas temporales incluyendo crecimiento (cambio porcentual), promedio móvil (promedio de 7 días) y retornos acumulativos, demostrados en precios de acciones hipotéticos.
¿Qué lecciones se incluyen?
El curso incluye tres lecciones: Datos temporales con un gráfico de línea, Gráficos de datos temporales calculados y Creación de un gráfico de caja para describir datos temporales.
¿Qué habilidades adquiriré?
Adquirirás habilidades en visualización de datos, visualización científica, series de tiempo, análisis visual, visualización y el Toolkit de Visualización (VTK).
