Plot interpolations

Memplot grafik perbandingan untuk imputasi sangat penting untuk menyimpulkan teknik imputasi terbaik. Dalam latihan ini, Anda akan membuat sebuah for loop untuk menghasilkan plot bagi beberapa teknik imputasi. Anda akan membuat plot dari imputasi yang telah Anda lakukan pada pelajaran sebelumnya, yaitu teknik interpolasi linear, kuadratik, dan terdekat.

Tiga DataFrame yang dinamai sesuai teknik imputasinya telah diimpor untuk Anda, yaitu linear_interp, quadratic_interp, dan nearest_interp

Latihan ini merupakan bagian dari kursus

Menangani Data Hilang di Python

Lihat Kursus

Instruksi latihan

Buat 3 subplot untuk setiap teknik imputasi.
Buat kamus interpolations dengan memetakan DataFrame linear_interp, quadratic_interp, dan nearest_interp ke teknik interpolasi yang relevan.
Lakukan loop atas axes dan interpolations.
Pilih setiap DataFrame di interpolations dan atur judul untuk sebuah DataFrame menggunakan df_key.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()

Edit dan Jalankan Kode