Utiliser l’interpolation pour créer des données hebdomadaires sur l’emploi

Vous avez récemment utilisé le taux de chômage civil américain et l’avez converti d’une fréquence mensuelle à hebdomadaire à l’aide des méthodes simples forward ou backfill.

Comparez votre approche précédente avec la nouvelle méthode .interpolate() que vous avez découverte dans cette vidéo.

Cet exercice fait partie du cours

<cours>Manipuler des séries temporelles en Python</cours>

Voir le cours

Instructions de l’exercice

Nous avons importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt pour vous. Nous avons également chargé le taux de chômage mensuel de 2010 à 2016 dans une variable monthly.

Inspectez monthly avec .info().
Créez un pd.date_range() avec des dates hebdomadaires, en utilisant les méthodes .min() et .max() de l’index de monthly comme start et end respectivement, et affectez le résultat à weekly_dates.
Appliquez .reindex() en utilisant weekly_dates à monthly et affectez la sortie à weekly.
Créez de nouvelles colonnes 'ffill' et 'interpolated' en appliquant .ffill() et .interpolate() à weekly.UNRATE.
Affichez un graphique de weekly.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Inspect data here
print(____)

# Create weekly dates
weekly_dates = ____

# Reindex monthly to weekly data
weekly = ____

# Create ffill and interpolated columns
weekly['ffill'] = ____
weekly['interpolated'] = ____

# Plot weekly

Modifier et exécuter le code