Traccia le interpolazioni

Creare grafici comparativi delle imputazioni è fondamentale per individuare la tecnica di imputazione migliore. In questo esercizio costruirai un ciclo for per generare grafici per più tecniche di imputazione. Creerai i grafici delle imputazioni che hai eseguito nella lezione precedente, cioè le tecniche di interpolazione lineare, quadratica e nearest.

Tre DataFrame, chiamati in base alla loro tecnica di imputazione, sono già stati importati per te: linear_interp, quadratic_interp e nearest_interp.

Questo esercizio fa parte del corso

Gestire i dati mancanti in Python

Visualizza il corso

Istruzioni dell'esercizio

Crea 3 sottotrame (subplots) per ciascuna tecnica di imputazione.
Crea il dizionario interpolations mappando i DataFrame linear_interp, quadratic_interp e nearest_interp alla relativa tecnica di interpolazione.
Esegui un loop su axes e interpolations.
Seleziona ciascun DataFrame in interpolations e imposta il titolo per un DataFrame usando df_key.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()

Modifica ed esegui il codice