Usa l'interpolazione per creare dati settimanali sull'occupazione

Hai usato di recente il tasso di disoccupazione USA (civile) e lo hai convertito da frequenza mensile a settimanale usando i metodi semplici forward o backfill.

Confronta il tuo approccio precedente con il nuovo metodo .interpolate() che hai visto in questo video.

Questo esercizio fa parte del corso

Elaborazione di serie temporali in Python

Visualizza il corso

Istruzioni dell'esercizio

Abbiamo importato pandas come pd e matplotlib.pyplot come plt per te. Abbiamo anche caricato il tasso di disoccupazione mensile dal 2010 al 2016 nella variabile monthly.

Ispeziona monthly usando .info().
Crea un pd.date_range() con date settimanali, utilizzando .min() e .max() dell'index di monthly rispettivamente come start ed end, e assegna il risultato a weekly_dates.
Applica .reindex() usando weekly_dates a monthly e assegna l'output a weekly.
Crea nuove colonne 'ffill' e 'interpolated' applicando .ffill() e .interpolate() a weekly.UNRATE.
Mostra un grafico di weekly.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Inspect data here
print(____)

# Create weekly dates
weekly_dates = ____

# Reindex monthly to weekly data
weekly = ____

# Create ffill and interpolated columns
weekly['ffill'] = ____
weekly['interpolated'] = ____

# Plot weekly

Modifica ed esegui il codice