Representa las interpolaciones

Representar gráficos comparativos de las imputaciones es esencial para identificar la mejor técnica de imputación. En este ejercicio, crearás un bucle for para generar gráficos de múltiples técnicas de imputación. Vas a crear los gráficos de las imputaciones que realizaste en la lección anterior: las técnicas de interpolación lineal, cuadrática y por vecino más cercano.

Ya se han importado tres DataFrames con el nombre de su técnica de imputación: linear_interp, quadratic_interp y nearest_interp.

Este ejercicio forma parte del curso

Cómo tratar datos faltantes en Python

Ver curso

Instrucciones del ejercicio

Crea 3 subgráficos (subplots) para cada técnica de imputación.
Crea el diccionario interpolations asociando los DataFrames linear_interp, quadratic_interp y nearest_interp con la técnica de interpolación correspondiente.
Itera sobre axes y interpolations.
Selecciona cada DataFrame en interpolations y define el título del DataFrame usando df_key.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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()

Editar y ejecutar código