Tracer les interpolations

Tracer des graphiques comparatifs pour les imputations est essentiel pour déterminer la meilleure technique d’imputation. Dans cet exercice, vous allez créer une boucle for afin de générer des graphiques pour plusieurs techniques d’imputation. Vous allez tracer les imputations réalisées dans la leçon précédente, c’est-à-dire les techniques d’interpolation linéaire, quadratique et « nearest ».

Trois DataFrames nommés d’après leur technique d’imputation ont déjà été importés pour vous : linear_interp, quadratic_interp et nearest_interp.

Cet exercice fait partie du cours

Gérer les données manquantes en Python

Afficher le cours

Instructions

Créez 3 sous-graphiques pour chaque technique d’imputation.
Créez le dictionnaire interpolations en associant les DataFrames linear_interp, quadratic_interp et nearest_interp à la technique d’interpolation correspondante.
Itérez sur axes et interpolations.
Sélectionnez chaque DataFrame dans interpolations et définissez le titre d’un DataFrame à l’aide de df_key.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()

Modifier et exécuter le code