Visualiser des données brouillonnes
Jetons un coup d'œil à un nouveau jeu de données — il est un peu moins propre que ceux que vous avez vus jusqu'ici.
Comme toujours, commencez par visualiser les données brutes. Examinez-les attentivement et cherchez des points de données qui pourraient poser problème lors de l'ajustement de modèles.
Les données ont été chargées dans un DataFrame nommé prices.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Visualisez la série chronologique avec Pandas.
- Calculez le nombre de valeurs manquantes dans chaque série chronologique. Relevez toute irrégularité visible. Qu'est-ce que cela pourrait être, selon vous ?
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Visualize the dataset
prices.____(legend=False)
plt.tight_layout()
plt.show()
# Count the missing values of each time series
missing_values = prices.____.____
print(missing_values)