Excelente! Fiz Econometria em um curso de mestrado de muita qualidade na FGV e análise de série temporal é o foco, fiz tudo em R. Fuçando no You Tube para ver equivalentes em Python do que vi em R, achei essa aula a qual explica bem claro conceitos chaves para séries temporais. Super indicarei sua aula para iniciantes! Parabéns!
Excelente explicação e dinâmica do vídeo, parabéns! Uma dúvida: após a aplicação do método das diferenças pra eliminar tendência, como é possível comprovar que para o período n = 1 a série já "virou" estacionária?
Bom dia. Adorei seus vídeos. Parabéns... Estou com uma dúvida e gostaria de saber... Trabalho com dados astronômicos e esses dados (séries temporais) vem pra mim no formato .fits. Não estou conseguindo converter para .csv. Vc saberia como fazer essa conversão? Ou como abrir diretamente em .fits no pandas? Abraço.
Essa série DIET tem componente sazonal óbvia de aprox. 12 meses. Adiconalemte pode-se montar um grafico anual empilhado para confirmar esse período sazonal. A utilidade básica da diferenciação é extrair a componente sazonal ou de tendência para forçar a seria a ser estacionária e facilitar de certo modo a etapa de modelagem. Não vejo muito significado prático, para o analise gráfico, tirar a sazonalidade. Caso queira-se memso assim, deveria ser tirada considerando a ordem sazonal, que neste caso é 12 meses.
Anotações pessoais. Observação. O Pandas só utiliza o index como variável independente para as séries temporais. Usar um .ipymb df.info() pd.to_datetime(df.date, inplace=True) pd.set_index(df.date, inplace=True) df.plot(figsize=(15,6)) df.variavel_dependente.plot() - Tendencia df.variavel_dependente.rolling(12).mean df.variavel_dependente.groupby(df.index.year).sum().plot(figsize=(15,6)) - Sazonalidade df.variavel_dependente.diff(numero_de_periodos) -Filtro filtro = df.index.year >= ano_inicial and df.index year
Excelente didatica professor, parabens
Excelente! Fiz Econometria em um curso de mestrado de muita qualidade na FGV e análise de série temporal é o foco, fiz tudo em R. Fuçando no You Tube para ver equivalentes em Python do que vi em R, achei essa aula a qual explica bem claro conceitos chaves para séries temporais. Super indicarei sua aula para iniciantes! Parabéns!
Tem brasileiro ensinando tudo de python, muito bom!!!
Melhor aula que eu já vi de séries temporais em python parabéns.
Muito bom, se eu soubesse disso na época do meu TCC teria evitado muitas dores de cabeça analisando meus dados... valeu!
O notebook não está mais disponível. Poderia disponibilizar? Excelente aula!
Muito obrigada pelos ensinamentos.
Conteúdo de qualidade, parabéns pelo trabalho.
ótima didática!! Vai me ajudar muito no meu projeto de pós graduação, obrigada.
excelente a sua explanação e didática
aula excelente parabéns!
Que legal, obrigada pelo conteúdo!
Parabéns professor! Democratizando o conhecimento, excelente iniciativa. Seus tutoriais são maravilhosos.
Muito bom! Obrigado, seus vídeos estão me ajudando muito.
ótima didatica, parabéns.
ótima aula! muito obrigado
Parabéns, ótima aula!
Aula incrível, parabéns! Ganhou mais um inscrito e fã do canal
Estou nesse exato momento com um case envolvendo séries temporais no meu trampo, preciso usar para prever capacidade futura dos servidores
Muito Obrigada!!
Massa! eu gostaria de saber como faz o inverso do que é feito no início do vídeo: como transformar um DateTime Index numa coluna?
Excelente explicação e dinâmica do vídeo, parabéns!
Uma dúvida: após a aplicação do método das diferenças pra eliminar tendência, como é possível comprovar que para o período n = 1 a série já "virou" estacionária?
o link do notebook do fonte esta quebrado. Tem como enviar o novo link?
E se a data for mostrada em mais de uma coluna? Por exemplo: coluna ano e semestre. Como faria?
Bom dia. Adorei seus vídeos. Parabéns... Estou com uma dúvida e gostaria de saber... Trabalho com dados astronômicos e esses dados (séries temporais) vem pra mim no formato .fits. Não estou conseguindo converter para .csv. Vc saberia como fazer essa conversão? Ou como abrir diretamente em .fits no pandas? Abraço.
Parabéns pelas aulas. É possível copiar o notebook do Github ? Obrigado
Resolvido, obrigado
Essa série DIET tem componente sazonal óbvia de aprox. 12 meses. Adiconalemte pode-se montar um grafico anual empilhado para confirmar esse período sazonal. A utilidade básica da diferenciação é extrair a componente sazonal ou de tendência para forçar a seria a ser estacionária e facilitar de certo modo a etapa de modelagem. Não vejo muito significado prático, para o analise gráfico, tirar a sazonalidade. Caso queira-se memso assim, deveria ser tirada considerando a ordem sazonal, que neste caso é 12 meses.
Opa, se tiver trabalhando com dias úteis coloco df.value.rolling(21).mean().head(22) mesmo com a questão de anos bissexto? 2016 ate 2020
Tem uma forma de configurar dias úteis no pandas. Pesquisa no Google " pandas working days"
Anotações pessoais.
Observação. O Pandas só utiliza o index como variável independente para as séries temporais.
Usar um .ipymb
df.info()
pd.to_datetime(df.date, inplace=True)
pd.set_index(df.date, inplace=True)
df.plot(figsize=(15,6))
df.variavel_dependente.plot()
- Tendencia
df.variavel_dependente.rolling(12).mean
df.variavel_dependente.groupby(df.index.year).sum().plot(figsize=(15,6))
- Sazonalidade
df.variavel_dependente.diff(numero_de_periodos)
-Filtro
filtro = df.index.year >= ano_inicial and df.index year