224      Глава 10. Анализ данных временных рядов

Создаем колонку nextVolume, сдвигая Volumeна -1, то есть сдвигаем объем продаж за следующий день назад так, чтобы он совпал с текущим. Получим вывод:

Как видите, предположение верно для 2022-01-03: nextVolumeменьше, чем Volume. Однако для точного анализа может понадобиться больше показателей. Попробуйте добавить еще одну метрику, которая суммирует значения priceRise за два предыдущих дня. Если значение положительное, это означает, что цены в целом находились в восходящем тренде в течение последних двух дней. Отрицательное же значение указывает на падение цен. Используйте эту новую метрику вместе с уже существующими метриками priceRise и volumeSum, чтобы выяснить, как они совместно влияют на значения в колонке volumeRise.

Выводы

Как вы узнали из этой главы, временной ряд — это набор данных, организованный в хронологическом порядке, в котором одна или несколько переменных изменяются во времени. На примере данных фондового рынка мы рассмотрели несколько методов применения pandas для анализа временных рядов с целью получения из них полезной статистики. Вы научились смещать точки данных во временном ряду, чтобы рассчитать изменения с течением времени, а также узнали, как выполнять вычисления в скользящем окне, то есть как агрегировать данные в пределах перемещающегося по всей серии временного интервала фиксированного размера. В совокупности эти методы помогают делать выводы о тенденциях в данных. Наконец, мы рассмотрели методы выявления зависимостей между различными переменными в многомерном временном ряду.