Question

例如，我有各种股票的csv时间序列数据，我想将数据转换为可馈送到神经网络的向量。

我不确定这是否具有任何相关性，但最终，我希望根据各种当前基本指标预测未来股票价格--TDebt，IntAssets，TAssets和EBITDA。然后，我比较PriceToday和Price + 1Yr。如果PriceDiff为正，则数据标记为正确，如果为负，则数据标记为不正确。

Date，Ticker，TDebt，IntAssets，TAssets，EBITDA，PriceToday，Price + 1Yr，PriceDiff，Label 1/1/10中，AAPL，6.73,3.05,41.16,11.06,179.26,219.26,22.31，正确 1/1/10中，GOOGL，3.19,12.54,24.08,2.63,1135.97,1115.97，-1.76，不正确的 1/1/10中，MSFT，4.32,15.74,35.84,7.43,90.1,94.1,4.44，正确 1/1/10中，AMZN，0.52,0.24,18.5,7.55,1293.32,1044.32，-19.25，不正确的 1/1/10中，FB，3.32,7.79,15.05,0.63,179.8,156.8，-12.79，不正确的 1/1/10中，BABA，13.61,18.02,122.56,25.31,184.4,205.4,11.39，正确 1/1/10中，JNJ，5.18,2.54,39.44,8.06,146.92,185.92,26.55，正确 1/1/10中，XOM，2.23，-2.17,94.32,14.52,87.43,48.43，-44.61，不正确的 1/1/11中，AAPL，7.27,3.35,42.9,12.04,219.26,230.26,5.02，正确 1/1/11中，GOOGL，4.01,12.8,24.87,2.34,1115.97,1135.97,1.79，正确 1/1/11中，MSFT，5.4,14.04,33.84,5.04,94.1,88.1，-6.38，不正确的 1/1/11中，AMZN，0.59,0.31,19.04,9.31,1044.32,1396.32,33.71，正确 1/1/11中，FB，2.8,9.08,16.04,0.74,156.8,151.8，-3.19，不正确的 1/1/11中，BABA，12.68,19.03,124.05,24.03,205.4,216.4,5.36，正确 1/1/11中，JNJ，6.01,2.7,37.04,10.02,185.92,174.92，-5.92，不正确的 1/1/11中，XOM，2.8，-2.9,93.1,13.23,48.43,78.43,61.95，正确 1/1/12中，AAPL，7.18，-4.88,67.78,26.03,230.26,209.26，-9.12，不正确的 1/1/12中，GOOGL，1.05,0.47,102.09,11.29,1135.97,1145.97,0.88，正确 1/1/12中，MSFT，6.45，-5.68,59.01,21.42,88.1,58.1，-34.05，不正确的 1/1/12中，AMZN，6.23,1.59,19.44,6.91,1396.32,1276.32，-8.59，不正确的 1/1/12中，FB，6.08，-1.15,53.7,13.43,151.8,156.8,3.29，正确 1/1/12中，BABA，10.89,12.57,194.62,20.91,216.4,204.4，-5.55，不正确的 1/1/12中，JNJ，5.88,5.48,78.08,12.8,174.92,184.92,5.72，正确 1/1/12中，XOM，14.57,0.92,121.11,13.76,78.43,66.43，-15.3，不正确的

感谢您的帮助。

Answer 1

正如@evamicur所解释的那样，您应该使用pandas库来转换您的日期。我会做类似的事情，但你应该根据自己的需要进行编辑：

import pandas as pd

df = pd.read_csv('my.csv')

df['Date'] = pd.to_datetime(df['Date'])

df.set_index('Date', inplace=True)

注意，我也会将我的标签更改为0或1，而不是NN的“更正”和“不正确”。

df[' Label '] = df[' Label '].map({'Correct ': 1, 'Incorrect ': 0})

您还应该删除csv文件中的所有空格。希望这有帮助。

如何将时间序列数据转换为NN输入向量？

1 个答案: