Fehlende Werte imputieren
Wenn Datenpunkte fehlen, wie kannst du sie auffüllen?
In dieser Übung probierst du verschiedene Interpolationsmethoden aus, um einige fehlende Werte zu füllen, und visualisierst jedes Mal das Ergebnis. Zuerst erstellst du jedoch die Funktion (interpolate_and_plot()), mit der du fehlende Datenpunkte interpolierst und plottest.
Eine einzelne Zeitreihe wurde in ein DataFrame namens prices geladen.
Diese Übung ist Teil des Kurses
Maschinelles Lernen für Zeitreihendaten in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create a function we'll use to interpolate and plot
def interpolate_and_plot(prices, interpolation):
# Create a boolean mask for missing values
missing_values = prices.____()
# Interpolate the missing values
prices_interp = prices.____(interpolation)
# Plot the results, highlighting the interpolated values in black
fig, ax = plt.subplots(figsize=(10, 5))
prices_interp.plot(color='k', alpha=.6, ax=ax, legend=False)
# Now plot the interpolated values on top in red
prices_interp[missing_values].plot(ax=ax, color='r', lw=3, legend=False)
plt.show()