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 il 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 pratico interattivo

Prova a risolvere questo esercizio completando il 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