Time Series Analysis with Pandas

19년 1월 24일 T-Academy 에서 진행한 강좌에 사용된 자료입니다. 해당 강좌는 Youtube 에서 보실 수 있습니다.

Requirements for running tutorial

• Python version 3
• pandas version or later
• numpy version 1.15.4 or later
• matplotlib version 3.0.2 or later
• seaborn version 0.9.0 or later
• pandas version 0.23.4 or later
• scikit-learn 0.20.2 or later
• jupyter version 1.0.0 or later
• statsmodels version 0.9.0 or later

위 패키지들을 conda를 통해 설치하길 권장합니다. conda 설치 후 아래 커맨드를 실행하면 필요한 모든 패키지들이 설치된 파이썬 환경을 만들 수 있습니다.

conda create --name tsa python=3
conda install pandas jupyter seaborn scikit-learn statsmodels

Setup instruction

• 프로젝트를 clone 합니다:

git clone https://github.com/midnightradio/tsa-tutorial.git

• Python 3 환경이 필요합니다. 되도록 conda를 설치하길 권장합니다.

• 아래 커맨드로 After that, install the environment for this hands-on by running:

cd tsa-tutorial/
    conda env create --file environment.yml

• Anaconda 를 사용하면 이미 Jupyter Notebook 이 설치되어있으므로 다음 단계로 넘어갑니다. (Miniconda users only) 생성된 환경(tsa)에서 conda install jupyter 를 실행해서 Jupyter Notebook 을 설치할 수 있습니다.

• 생성한 환경을 활성화하기 위해 source activate tsa 또는 conda activate tsa 를 실행합니다. 그리고 아래 커맨드를 실행해서 새로운 iptyhon 커널을 설치합니다:

python -m ipykernel install --name tsa --user

• 마지막으로 Jupyter Notebook 을 실행합니다.

jupyter notebook --port=8888

그리고 URL localhost:8888 을 브라우져에 입력해서 노트북에 접속합니다. (8888 포트가 이미 점유되었다면 Jupyter Notebook 은 자동으로 다른 포트를 이용하게 됩니다. 시작 시 로그를 살펴보세요.)

Index

• 01. Datatime Index
• 02. Time Resampling
• 03. Time Shifting
• 04. Rolling and Expanding
• 05. Bollinger Bands
• 06. Timezone
• 07. Visualizaing Time Series Data
• 08. ETS Decomposition
• 09. Forecasting Models
• 10. ARIMA and Seasonal ARIMA
• 11. ARIMA and Rolling Forecast