Créer des données hebdomadaires à partir du taux de chômage mensuel

Le taux de chômage civil aux États-Unis est publié chaque mois. Vous pouvez avoir besoin de données plus fréquentes, mais ce n’est pas un problème puisque vous venez d’apprendre à suréchantillonner une série temporelle.

Vous allez travailler sur les données de séries temporelles des 20 dernières années et appliquer quelques options pour remplir les valeurs manquantes avant de tracer la série hebdomadaire.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

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, et affectez le résultat à data.
Convertissez data en fréquence hebdomadaire avec .asfreq() et l’alias 'W', puis affichez les cinq premières lignes.
Convertissez à nouveau en fréquence hebdomadaire, en ajoutant l’option 'bfill', et affichez les cinq premières lignes.
Créez une série hebdomadaire en ajoutant cette fois l’option 'ffill', affectez-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 cet exemple de code.

# 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