{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "В цьому зошиті ми демонструємо, як:\n", "- налаштувати дані часових рядів для цього модуля\n", "- візуалізувати дані\n", "\n", "Дані в цьому прикладі взяті з конкурсу прогнозування GEFCom2014. Вони складаються з трьох років погодинних значень електричного навантаження та температури між 2012 і 2014 роками.\n", "\n", "Tao Hong, Pierre Pinson, Shu Fan, Hamidreza Zareipour, Alberto Troccoli та Rob J. Hyndman, \"Ймовірнісне прогнозування енергії: Конкурс глобального прогнозування енергії 2014 та далі\", International Journal of Forecasting, том 32, №3, стор. 896-913, липень-вересень, 2016.\n" ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [], "source": [ "import os\n", "import matplotlib.pyplot as plt\n", "from common.utils import load_data\n", "%matplotlib inline" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Завантажте дані з csv у Pandas dataframe\n" ] }, { "cell_type": "code", "execution_count": 7, "metadata": {}, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " load\n", "2012-01-01 00:00:00 2698.0\n", "2012-01-01 01:00:00 2558.0\n", "2012-01-01 02:00:00 2444.0\n", "2012-01-01 03:00:00 2402.0\n", "2012-01-01 04:00:00 2403.0" ], "text/html": "
\n | load | \n
---|---|
2012-01-01 00:00:00 | \n2698.0 | \n
2012-01-01 01:00:00 | \n2558.0 | \n
2012-01-01 02:00:00 | \n2444.0 | \n
2012-01-01 03:00:00 | \n2402.0 | \n
2012-01-01 04:00:00 | \n2403.0 | \n