Analyser des données de séries temporelles
Explorer des ensembles de données de séries temporelles
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Écrire du code Python pour effectuer une analyse exploratoire des données sur un DataFrame de séries temporelles avec un index datetime et [COLONNE_CIBLE]. Inclure : décomposition de la tendance (STL), détection de la saisonnalité, graphiques d'autocorrélation et d'autocorrélation partielle, statistiques glissantes et identification des périodes anormales.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour des séries avec saisonnalités multiples (ex. horaire + hebdomadaire), la STL simple ne suffit pas : utilisez MSTL (statsmodels) pour décomposer chaque période. Précisez aussi la fréquence (freq='H', 'D') et imputez les valeurs manquantes avant analyse, sinon autocorrélation et STL seront faussées.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Analyse SWOT actionnable
Pour la planification stratégique annuelle ou avant une levée de fonds
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.
Analyse de la rétention
Améliorer la rétention utilisateur
Ingénierie de caractéristiques temporelles
Extraire des caractéristiques de colonnes datetime