Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 1/8
Введение
Разберём, что такое временные ряды и как их анализировать.
Чему вы научитесь
- Познакомитесь с ресемплированием рядов.
- Изучите тренды и сезонность рядов.
- Узнаете, что такое стационарные ряды.
Сколько времени это займёт
8 уроков по 10-15 минут
Постановка задачи
Проанализируем данные о потреблении электроэнергии.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 2/8
Кратко:
- Временные ряды - это последовательности чисел на оси времени.
- Примеры временных рядов: цена акций, объем продаж, количество игроков в онлайне.
- Интервал между значениями ряда постоянный: день, час или 10 минут.
- Пример работы с датами и временем в Pandas: данные американской энергетической компании PJM East.
- Пример использования Pandas для анализа временных рядов: привести данные к удобному формату и построить график.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 3/8
Кратко:
- Ресемплирование - изменение интервала временного ряда.
- Выбирают новую длину интервала, группируют значения.
- В каждой группе вычисляется агрегированное значение ряда (медиана, среднее, максимум, минимум).
- Функция resample() аналогична groupby().
- После группировки можно вызвать функции mean() и max() для агрегации значений.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 4/8
Кратко:
- Скользящее среднее - метод сглаживания временных рядов.
- Суть метода: поиск средних арифметических значений, менее подверженных колебаниям.
- Размер окна (англ. window size) - интервал, в котором выполняется усреднение.
- Чем больше интервал, тем сильнее сглаживание.
- Окно "скользит" почти от начала ряда к его концу, вычисляя среднее значение в каждой точке.
- В Pandas скользящее среднее вычисляется с помощью функций rolling() и mean().
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 5/8
Кратко:
- Тренд - плавное изменение среднего значения ряда без повторяющихся закономерностей.
- Сезонность - циклично повторяющиеся закономерности во временном ряде.
- Тренды и сезонность зависят от масштаба данных.
- Функция seasonal_decompose() раскладывает временной ряд на три составляющие: тренд, сезонность и остаток.
- Сезонная составляющая - циклично повторяющиеся закономерности во временном ряде.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 6/8
Кратко:
- Стационарные ряды помогают прогнозировать данные.
- Стохастический процесс - случайная величина с изменяющимся распределением.
- Стационарный процесс - распределение не меняется со временем.
- Нестационарный процесс - распределение меняется.
- Стационарные ряды - ряды с неизменяющимися средним и стандартным отклонением.
- Нестационарные ряды сложнее прогнозировать из-за быстрого изменения свойств.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 7/8
Кратко:
- Разности временного ряда - это набор разностей между соседними элементами временного ряда.
- Метод shift() сдвигает все значения вдоль временной оси на один шаг вперёд.
- При сдвиге последнего значения ряда, оно пропадает, поэтому нужно добавить аргумент для заполнения недостающих значений.
- Разности временного ряда более стационарны, чем сам ряд, так как нелинейный тренд преобразуется в линейный.
Спринт 17/24 → Тема 2/5: Анализ временных рядов → Урок 8/8
Заключение
Теперь вы умеете:
- Выполнять ресемплирование рядов;
- Раскладывать ряд на тренд, сезонность и остаток;
- Вычислять разности временных рядов.
Заберите с собой
Чтобы ничего не забыть, скачайте шпаргалку и конспект темы.
В следующей теме вы научитесь прогнозировать временные ряды.