Interpolationen plotten

Vergleichende Plots für Imputationen sind entscheidend, um die beste Imputationstechnik abzuleiten. In dieser Übung erstellst du eine for-Schleife, um Plots für mehrere Imputationstechniken zu erzeugen. Du plottest die Imputationen aus der vorherigen Lektion, also die lineare, quadratische und nächste Nachbar-Interpolation.

Drei DataFrames, benannt nach ihren Imputationstechniken, wurden bereits für dich importiert: linear_interp, quadratic_interp und nearest_interp.

Diese Übung ist Teil des Kurses

<Kurs>Umgang mit fehlenden Daten in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Erstelle 3 Subplots, je einen pro Imputationstechnik.
Erstelle das Dictionary interpolations, indem du die DataFrames linear_interp, quadratic_interp und nearest_interp den entsprechenden Interpolationstechniken zuordnest.
Iteriere über axes und interpolations.
Wähle jeden DataFrame in interpolations aus und setze den Titel für einen DataFrame mit df_key.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Set nrows to 3 and ncols to 1
fig, axes = plt.subplots(___, ___, figsize=(30, 20))

# Create a dictionary of interpolated DataFrames for looping 
interpolations = {'Linear Interpolation': ___, 'Quadratic Interpolation': ___, 
                  'Nearest Interpolation': ___}

# Loop over axes and interpolations
for ax, df_key in zip(___, ___):
  # Select and also set the title for a DataFrame
  interpolations[___].Ozone.plot(color='red', marker='o', linestyle='dotted', ax=ax)
  airquality.Ozone.plot(title=___ + ' - Ozone', marker='o', ax=ax)
  
plt.show()

Code bearbeiten und ausführen