Vytvoření týdenních dat z měsíčních dat o nezaměstnanosti

Míra nezaměstnanosti civilního obyvatelstva USA se zveřejňuje měsíčně. Někdy ale potřebuješ data s vyšší frekvencí – a to není problém, protože jsi se právě naučil/a, jak časovou řadu převzorkovat nahoru.

Budeme pracovat s daty za posledních 20 let a vyzkoušíme několik možností, jak doplnit chybějící hodnoty před vykreslením týdenní řady.

Toto cvičení je součástí kurzu

Manipulace s časovými řadami v Pythonu

Zobrazit kurz

Pokyny k cvičení

Knihovny pandas jako pd a matplotlib.pyplot jako plt jsou již naimportované.

Pomocí pd.read_csv() načti soubor 'unemployment.csv', vytvoř DateTimeIndex ze sloupce 'date' s využitím parametrů parse_dates a index_col a výsledek ulož do proměnné data.
Převeď data na týdenní frekvenci pomocí .asfreq() s aliasem 'W' a zobraz prvních pět řádků.
Znovu proveď převod na týdenní frekvenci, tentokrát s volbou 'bfill', a zobraz prvních pět řádků.
Vytvoř týdenní řadu s volbou 'ffill', ulož ji do proměnné weekly_ffill a zobraz prvních pět řádků.
Vykresli weekly_ffill od roku 2015.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import data here
data = ____

# Show first five rows of weekly series
print(____)

# Show first five rows of weekly series with bfill option
print(____)

# Create weekly series with ffill option and show first five rows
weekly_ffill = ____
print(____)

# Plot weekly_fill starting 2015 here

Upravit a spustit kód