Caricare più serie temporali

Che si tratti di progetti personali o del tuo lavoro quotidiano come Data Scientist, è probabile che ti capiti di dover analizzare e visualizzare più serie temporali contemporaneamente.

Se i dati di ciascuna serie temporale sono salvati in colonne distinte di un file, la libreria pandas rende semplice lavorare con più serie temporali. Nei prossimi esercizi, lavorerai con un nuovo insieme di dati di serie temporali che contiene le quantità di diversi tipi di carne prodotte negli USA tra il 1944 e il 2012.

Questo esercizio fa parte del corso

Visualizzare dati di serie temporali in Python

Visualizza il corso

Istruzioni dell'esercizio

Abbiamo importato pandas con l'alias pd.

Leggi il file CSV all'indirizzo url_meat in un DataFrame chiamato meat.
Converti la colonna date in meat al tipo datetime.
Imposta la colonna date come indice di meat.
Stampa le statistiche descrittive di tutte le colonne numeriche in meat.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Read in meat DataFrame
meat = ____.____(____)

# Review the first five lines of the meat DataFrame
print(meat.head(5))

# Convert the date column to a datestamp type
meat['date'] = ____(____)

# Set the date column as the index of your DataFrame meat
meat = ____.____(____)

# Print the summary statistics of the DataFrame
print(meat.____)

Modifica ed esegui il codice