Тёмный

Analyse des séries temporelles avec Pandas (26/30) 

Kevin Degila
Подписаться 11 тыс.
Просмотров 6 тыс.
50% 1

Dans cette 26ème vidéo de la formation Data Analyst avec Python, nous verrons comment manipuler et analyser les séries temporelles. Les séries temporelles sont des séries dont l'index est le temps. En prenant l'exemple d'un projet, nous parcourons les différentes étapes de transformation et d'analyse de séries temporelles
En savoir plus sur les séries temporelles : jakevdp.github...
Le code de la formation est déjà disponible et accessible ici : github.com/kev...
Vous pouvez joindre également le serveur discord pour apprendre avec la communauté, poser des questions et y répondre également : / discord
Introduction à la Formation Data Analyst avec Python: Introduction (1/20) : • Formation Data Analyst...
Lien de la Playlist Data Analyst avec Python : • Formation Data Analyst...
Introduction à Google Colab : Comment faire de la Data Science sans un PC performant ? : • Introduction à Google ...
Python, Pandas, Matplotlib, time series, energy data, seaborn, colab, data science
3 Livres pratiques pour Apprendre la Data Science avec Python : • 3 Livres pratiques pou...
Installer Python et Jupyter Notebook : • Apprendre Python pour ...
Manipuler les données sous format JSON avec Python : • Manipuler les données ...
Quels sont les différents métiers ou spécialités en informatique : • Les différentes carriè...
Comment Télécharger une vidéo RU-vid en 3 lignes de code Python : • Video
Astuces pour écrire un meilleur code Python : • 10 astuces Python pour...
Playlist pour regarder la série Apprendre Python pour Débutant : • Apprendre Python pour ...
Rejoins-nous sur discord : / discord
A propos:
Blog : www.kevindegil...
Twitter : / kevindegila
LinkedIn : / kevin-degila-9164b5151
Facebook : / kevindegilayoutube
Abonnez-vous !!!

Опубликовано:

 

21 окт 2024

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 18   
@carolemvomo3772
@carolemvomo3772 3 года назад
Merci beaucoup Kevin, ta vidéo a sauvé mon projet. Au plaisir de visionner tes autres vidéos
@KevinDegila
@KevinDegila 3 года назад
Ravi que la vidéo t'ait été utile !!!
@adiaba1435
@adiaba1435 2 года назад
C'est clair, précis et très bien expliqué ! Merci !
@francoixxaviereale7591
@francoixxaviereale7591 3 года назад
Encore une fois merci pour ce travail aussi remarquable. Grâce à toi, je suis devenue un très bon data-analyste. J'attend la suite. Courage
@KevinDegila
@KevinDegila 3 года назад
Ca fait plaisir de le lire Francoix, Merci !!!
@thomasamblard9194
@thomasamblard9194 2 года назад
Bonjour Kévin, Merci beaucoup pour ta vidéos très bien expliqué et clair. J'aimerais te poser une question, s'il te plait, car je fais face à un problème sur une analyse de série temporelle. Dans un dataframe avec une colonne date et une colonne chiffre d'affaire, J'aimerais pourvoir calculer le chiffre d'affaire total d'une plage. Par exemple de mars 2021 à mars 2022. Je n'arrive pas à grouper par intervalles de temps. Merci d'avance et bonne journée. Thomas
@OyonnaxTV
@OyonnaxTV 2 года назад
La consommation est plus importante en semaines car les entreprises (et surtout les usines) sont ouvertes et donc consomment bcp plus que les particuliers :o) Le week end c'est l'inverse, tout est fermé, donc il n'y a plus que la consommation des ménages, qui est plus faible qu'une aciérie ou une usine de voitures. Merci bcp en tout cas !!!
@KevinDegila
@KevinDegila 2 года назад
Avec plaisir Julien !!!
@eliotharreau7627
@eliotharreau7627 3 года назад
Merci bro, très instructif tes videos. pour la manipulation des times series. Je cherche aussi les times series en Heures minutes secondes., pour étudier des phénomènes plus rapides comme les mouvements boursiers ou comme les changements de sentiments sur tweeter ? C'est aussi des idées de videos !! Nous attendons la suite.
@KevinDegila
@KevinDegila 3 года назад
Hello Eliot. Merci pour ton commentaire. Tu peux procéder de la même manière pour extraire les minutes, heures et autres. df.nom_de_la_colonne.dt.hour par exemple pour l'heure.
@romualdkalas3445
@romualdkalas3445 2 года назад
c'est cool
@KevinDegila
@KevinDegila 2 года назад
Merci Romuald !
@kossideniskudawoo4346
@kossideniskudawoo4346 2 года назад
bonsoir kevin je voulais faire une prédiction de la consommation d'Energie électrique en 2040
@dinguesol3328
@dinguesol3328 Год назад
Les weekends les entreprises ne travaillent pas c'est a cause et c'est pour cela que le samedi est plus élevé que que dimanche
@ibrahimadiouf7988
@ibrahimadiouf7988 Год назад
Clair et précis merci pour cette vidéo. Est ce que je peux avoir ton email
@KevinDegila
@KevinDegila Год назад
Merci. Il est dans la description de la chaîne
Далее
Introduction aux séries temporelles - DatAtelier
1:24:40
Наши дети захватили кухню!
00:59
Просмотров 157 тыс.
Paint Projects
00:17
Просмотров 2,3 млн
Apprendre les bases de Pandas (12/30) #DAAP
34:08
Просмотров 6 тыс.
Apprendre Numpy en une heure (10/30) #DAAP
56:20
Просмотров 9 тыс.
Listes, Tuples et Dictionnaires en Python (3/30) #DAAP
39:03