Contenido del Curso
Análisis de Series Temporales
Análisis de Series Temporales
1. Serie Temporal: Comencemos
2. Procesamiento de Series Temporales
3. Visualización de Series Temporales
Desafio 1
Tarea
Swipe to start coding
¡Hora de nuevos retos! He aquí el primer reto, cuya idea es procesar el conjunto de datos pr_HH Spot Price.csv
para convertirlo de no estacionario a estacionario:
-
- Leer el conjunto de datos.
-
- Compruebe la estacionariedad de los datos (utilice
adfuller
) y muestre los resultados.
- Compruebe la estacionariedad de los datos (utilice
- Visualice los valores iniciales de la columna
"Precio"
. - Transforme los datos (la columna
"Precio"
del DataFramedf
) de no estacionarios a estacionarios utilizando el método de diferencia (utilizando el método.diff()
con el parámetroperiods = 1
). Elimine los valores NA. Asigne el resultado a la variablenew_diff
. - Visualice los datos modificados (
new_diff
). - Vuelva a ejecutar la prueba ADF para los datos actualizados (
new_diff
).
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Sección 5. Capítulo 3
Desafio 1
Tarea
Swipe to start coding
¡Hora de nuevos retos! He aquí el primer reto, cuya idea es procesar el conjunto de datos pr_HH Spot Price.csv
para convertirlo de no estacionario a estacionario:
-
- Leer el conjunto de datos.
-
- Compruebe la estacionariedad de los datos (utilice
adfuller
) y muestre los resultados.
- Compruebe la estacionariedad de los datos (utilice
- Visualice los valores iniciales de la columna
"Precio"
. - Transforme los datos (la columna
"Precio"
del DataFramedf
) de no estacionarios a estacionarios utilizando el método de diferencia (utilizando el método.diff()
con el parámetroperiods = 1
). Elimine los valores NA. Asigne el resultado a la variablenew_diff
. - Visualice los datos modificados (
new_diff
). - Vuelva a ejecutar la prueba ADF para los datos actualizados (
new_diff
).
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Sección 5. Capítulo 3