Erzeuge wöchentliche Daten aus monatlichen Arbeitslosenzahlen

Die zivile US-Arbeitslosenquote wird monatlich veröffentlicht. Du brauchst vielleicht Daten in höherer Frequenz – kein Problem, denn du hast gerade gelernt, wie man eine Zeitreihe hochsamplet.

Du arbeitest mit den Zeitreihendaten der letzten 20 Jahre und wendest ein paar Optionen an, um fehlende Werte zu füllen, bevor die wöchentliche Reihe geplottet wird.

Diese Übung ist Teil des Kurses

Zeitreihen in Python bearbeiten

Kurs anzeigen

Anleitung zur Übung

Wir haben pandas bereits als pd und matplotlib.pyplot als plt importiert.

Verwende pd.read_csv(), um 'unemployment.csv' zu laden, erstelle dabei mit parse_dates und index_col aus der Spalte 'date' einen DateTimeIndex und weise das Ergebnis data zu.
Wandle data mit .asfreq() unter Verwendung des Alias 'W' in eine wöchentliche Frequenz um und zeige die ersten fünf Zeilen.
Wandle erneut in wöchentliche Frequenz um, füge die Option 'bfill' hinzu und zeige die ersten fünf Zeilen.
Erzeuge eine wöchentliche Reihe, füge diesmal die Option 'ffill' hinzu, weise sie weekly_ffill zu und zeige die ersten fünf Zeilen.
Plotte weekly_ffill ab 2015.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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

Code bearbeiten und ausführen