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

<Kurs>Maschinelles Lernen für Zeitreihendaten in Python</Kurs>

Kurs ansehen

Interaktive praktische Übung

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

# 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()

Code bearbeiten und ausführen