Crea dati settimanali a partire da dati mensili sulla disoccupazione

Il tasso di disoccupazione civile negli USA è riportato su base mensile. Potresti aver bisogno di dati più frequenti, ma nessun problema: hai appena imparato come effettuare l'upsampling di una serie temporale.

Lavorerai con i dati degli ultimi 20 anni e applicherai alcune opzioni per riempire i valori mancanti prima di tracciare la serie settimanale.

Questo esercizio fa parte del corso

Elaborazione di serie temporali in Python

Visualizza corso

Istruzioni dell'esercizio

Abbiamo già importato pandas come pd e matplotlib.pyplot come plt.

Usa pd.read_csv() per importare 'unemployment.csv', creando un DateTimeIndex dalla colonna 'date' usando parse_dates e index_col, e assegna il risultato a data.
Converti data a frequenza settimanale usando .asfreq() con l'alias 'W' e mostra le prime cinque righe.
Converti di nuovo a frequenza settimanale, aggiungendo l'opzione 'bfill' e mostra le prime cinque righe.
Crea serie settimanali, ora aggiungendo l'opzione 'ffill', assegna a weekly_ffill e mostra le prime cinque righe.
Traccia weekly_ffill a partire dal 2015.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Import data here
data = ____

# Show first five rows of weekly series
print(____)

# Show first five rows of weekly series with bfill option
print(____)

# Create weekly series with ffill option and show first five rows
weekly_ffill = ____
print(____)

# Plot weekly_fill starting 2015 here

Modifica ed esegui il codice