Visualizzare dati disordinati
Diamo un'occhiata a un nuovo insieme di dati: questo è un po' meno pulito rispetto a quelli che hai visto finora.
Come sempre, inizia visualizzando i dati grezzi. Osservali con attenzione e prova a trovare punti dati che potrebbero creare problemi nell'adattamento dei modelli.
I dati sono stati caricati in un DataFrame chiamato prices.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Visualizza la serie temporale usando Pandas.
- Calcola il numero di valori mancanti in ciascuna serie temporale. Prendi nota di eventuali irregolarità che noti. Che cosa pensi che siano?
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Visualize the dataset
prices.____(legend=False)
plt.tight_layout()
plt.show()
# Count the missing values of each time series
missing_values = prices.____.____
print(missing_values)