Cargar series temporales múltiples

Tanto en proyectos personales como en tu trabajo del día a día como Data Scientist, es probable que te encuentres con situaciones que requieren analizar y visualizar varias series temporales a la vez.

Siempre que los datos de cada serie temporal estén en columnas distintas de un archivo, la biblioteca pandas facilita trabajar con múltiples series temporales. En los próximos ejercicios, trabajarás con un nuevo conjunto de datos de series temporales que contiene la cantidad de diferentes tipos de carne producida en EE. UU. entre 1944 y 2012.

Este ejercicio forma parte del curso

Visualización de datos temporales en Python

Ver curso

Instrucciones del ejercicio

Ya hemos importado pandas con el alias pd.

Lee el archivo CSV ubicado en url_meat en un DataFrame llamado meat.
Convierte la columna date de meat al tipo datetime.
Establece la columna date como índice de meat.
Imprime las estadísticas descriptivas de todas las columnas numéricas de meat.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Read in meat DataFrame
meat = ____.____(____)

# Review the first five lines of the meat DataFrame
print(meat.head(5))

# Convert the date column to a datestamp type
meat['date'] = ____(____)

# Set the date column as the index of your DataFrame meat
meat = ____.____(____)

# Print the summary statistics of the DataFrame
print(meat.____)

Editar y ejecutar código