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

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

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.)

Name		Name	Last commit message	Last commit date
Latest commit History 11 Commits
data		data
.gitignore		.gitignore
01. Datetime Index.ipynb		01. Datetime Index.ipynb
02. Time Resampling.ipynb		02. Time Resampling.ipynb
03. Time Shifting.ipynb		03. Time Shifting.ipynb
04. Rolling and Expanding.ipynb		04. Rolling and Expanding.ipynb
05. Bollinger Bands.ipynb		05. Bollinger Bands.ipynb
06. Timezone.ipynb		06. Timezone.ipynb
07. Visualizing Time Series Data.ipynb		07. Visualizing Time Series Data.ipynb
08. ETS Decomposition.ipynb		08. ETS Decomposition.ipynb
09. Forecasting Models.ipynb		09. Forecasting Models.ipynb
10. ARIMA and Seasonal ARIMA.ipynb		10. ARIMA and Seasonal ARIMA.ipynb
11. ARIMA and Rolling Forecast.ipynb		11. ARIMA and Rolling Forecast.ipynb
LICENSE		LICENSE
README.md		README.md
environment.yml		environment.yml