Verwende Interpolation, um wöchentliche Beschäftigungsdaten zu erstellen

Du hast kürzlich die zivile US‑Arbeitslosenquote verwendet und sie mit einfachen forward- bzw. backfill-Methoden von monatlicher auf wöchentliche Frequenz umgerechnet.

Vergleiche deinen bisherigen Ansatz mit der neuen Methode .interpolate(), die du in diesem Video kennengelernt hast.

Diese Übung ist Teil des Kurses

Zeitreihen in Python bearbeiten

Kurs anzeigen

Anleitung zur Übung

Wir haben pandas als pd und matplotlib.pyplot als plt für dich importiert. Außerdem haben wir die monatliche Arbeitslosenquote von 2010 bis 2016 in die Variable monthly geladen.

Untersuche monthly mit .info().
Erzeuge einen pd.date_range() mit wöchentlichen Daten, indem du .min() und .max() des index von monthly jeweils als start und end verwendest, und weise das Ergebnis weekly_dates zu.
Wende .reindex() mit weekly_dates auf monthly an und weise die Ausgabe weekly zu.
Erzeuge neue Spalten 'ffill' und 'interpolated', indem du .ffill() bzw. .interpolate() auf weekly.UNRATE anwendest.
Zeige ein Diagramm von weekly.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Inspect data here
print(____)

# Create weekly dates
weekly_dates = ____

# Reindex monthly to weekly data
weekly = ____

# Create ffill and interpolated columns
weekly['ffill'] = ____
weekly['interpolated'] = ____

# Plot weekly

Code bearbeiten und ausführen