Imputare i valori mancanti
Quando hai dei punti dati mancanti, come puoi riempirli?
In questo esercizio, farai pratica con diversi metodi di interpolazione per colmare alcuni valori mancanti,
visualizzando ogni volta il risultato. Ma prima, creerai la funzione (interpolate_and_plot()) che userai per interpolare i punti dati mancanti e tracciarli.
Una singola serie temporale è stata caricata in un DataFrame chiamato prices.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create a function we'll use to interpolate and plot
def interpolate_and_plot(prices, interpolation):
# Create a boolean mask for missing values
missing_values = prices.____()
# Interpolate the missing values
prices_interp = prices.____(interpolation)
# Plot the results, highlighting the interpolated values in black
fig, ax = plt.subplots(figsize=(10, 5))
prices_interp.plot(color='k', alpha=.6, ax=ax, legend=False)
# Now plot the interpolated values on top in red
prices_interp[missing_values].plot(ax=ax, color='r', lw=3, legend=False)
plt.show()