Descrição do Curso
Nestas lições, irá utilizar o Pandas para ler dados de séries temporais de um ficheiro Excel. Os dados temporais ou de séries temporais podem ser considerados como o acompanhamento do desempenho ao longo do tempo ou a observação de dados numa linha temporal. Vamos mostrar-lhe como traçar várias séries temporais no mesmo gráfico e tirar conclusões sobre os dados a partir dos gráficos. Além disso, utilizará a biblioteca HVPlot para representar graficamente várias séries cronológicas e concentrar-se nelas individualmente com um widget de filtro.
Também lhe mostraremos como utilizar o Pandas para calcular dados baseados no desempenho de preços hipotéticos de acções e, em seguida, como representar os dados e fazer inferências com base nesses gráficos. Os dados de desempenho calculados serão estatísticas temporais, como crescimento (variação percentual), média móvel (média de 7 dias) e retornos acumulados. Também desenhará gráficos de caixa usando dados de séries temporais para visualizar informações estatísticas em cada série.
O Que Você Vai Aprender
- Importe e represente graficamente dados de séries temporais de um arquivo Excel usando Pandas
- Represente graficamente múltiplas séries temporais no mesmo gráfico e extraia inferências dos gráficos
- Use a biblioteca HVPlot para representar graficamente múltiplas séries temporais e concentre-se em séries individuais com um widget de filtro
- Calcule estatísticas temporais baseadas em desempenho, como crescimento (mudança percentual), média móvel (média de 7 dias) e retornos cumulativos
- Represente graficamente dados de desempenho calculados com Matplotlib e extraia inferências dos gráficos
- Crie e leia gráficos de caixa para visualizar informações estatísticas sobre dados de séries temporais
Principais Conclusões
- Dados temporais ou de séries temporais rastreiam desempenho ao longo do tempo ou visualizam dados em uma linha do tempo.
- Pandas pode ler dados de séries temporais de um arquivo Excel e calcular dados baseados em desempenho em preços hipotéticos de ações.
- A biblioteca HVPlot permite que você represente graficamente múltiplas séries temporais e concentre-se em séries individuais usando um widget de filtro.
- Estatísticas temporais calculadas incluem crescimento (mudança percentual), média móvel (média de 7 dias) e retornos cumulativos.
- Gráficos de caixa podem ser desenhados a partir de dados de séries temporais para visualizar informações estatísticas em cada série.
Perguntas Frequentes
O que vou aprender neste curso?
Você usará Pandas para ler dados de séries temporais de um arquivo Excel, representar graficamente múltiplas séries temporais no mesmo gráfico, usar a biblioteca HVPlot com um widget de filtro, calcular estatísticas temporais baseadas em desempenho, representar graficamente os dados com Matplotlib e criar e ler gráficos de caixa para extrair inferências sobre os dados.
Quais ferramentas e bibliotecas este curso abrange?
O curso abrange Pandas para ler dados de séries temporais e calcular dados de desempenho, a biblioteca HVPlot para representar graficamente múltiplas séries temporais com um widget de filtro e Matplotlib para representar graficamente dados de desempenho calculados.
Quais estatísticas temporais são calculadas neste curso?
O curso calcula estatísticas temporais incluindo crescimento (mudança percentual), média móvel (média de 7 dias) e retornos cumulativos, demonstrados em preços hipotéticos de ações.
Quais lições são incluídas?
O curso inclui três lições: Dados Temporais Com um Gráfico de Linha, Representação Gráfica de Dados Temporais Calculados e Criação de um Gráfico de Caixa para Descrever Dados Temporais.
Quais habilidades vou ganhar?
Você ganhará habilidades em visualização de dados, visualização científica, séries temporais, análise visual, visualização e o Kit de Ferramentas de Visualização (VTK).
