Créer des données hebdomadaires à partir du taux de chômage mensuel

Le taux de chômage civil aux États-Unis est publié chaque mois. Vous pourriez avoir besoin de données plus fréquentes — aucun problème, vous venez d'apprendre à suréchantillonner une série chronologique.

Vous allez travailler avec les données des 20 dernières années et appliquer quelques options pour combler les valeurs manquantes avant de tracer la série hebdomadaire.

Cette activité fait partie du cours

Manipuler des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Nous avons déjà importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt.

Utilisez pd.read_csv() pour importer 'unemployment.csv', en créant un DateTimeIndex à partir de la colonne 'date' avec parse_dates et index_col, puis assignez le résultat à data.
Convertissez data à une fréquence hebdomadaire avec .asfreq() en utilisant l'alias 'W' et affichez les cinq premières lignes.
Convertissez de nouveau à une fréquence hebdomadaire, en ajoutant l'option 'bfill', et affichez les cinq premières lignes.
Créez une série hebdomadaire, cette fois en ajoutant l'option 'ffill', assignez-la à weekly_ffill et affichez les cinq premières lignes.
Tracez weekly_ffill à partir de 2015.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code