보간법을 사용하여 주간 고용 데이터 만들기
앞에서 미국 민간인 실업률 데이터를 다루며, 단순 forward 또는 backfill 방법을 사용해 월별 빈도를 주별 빈도로 변환했습니다.
이전 방법과 이번 영상에서 배운 새로운 .interpolate() 방법을 비교해 보세요.
이 연습은 강의의 일부입니다
Python으로 시계열 데이터 다루기
연습 안내
이미 pandas는 pd로, matplotlib.pyplot은 plt로 임포트되어 있습니다. 2010년부터 2016년까지의 월별 실업률도 monthly 변수에 불러와져 있습니다.
.info()를 사용하여monthly를 살펴보세요.monthly의index에서.min()과.max()를 각각start와end로 사용하여 주별 날짜로 구성된pd.date_range()를 만들고, 결과를weekly_dates에 할당하세요.monthly에weekly_dates를 인수로.reindex()를 적용하고, 결과를weekly에 할당하세요.weekly.UNRATE에.ffill()과.interpolate()를 각각 적용하여 새로운 열'ffill'과'interpolated'를 만드세요.weekly의 플롯을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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