Aan de slagGa gratis aan de slag

Verkennen

Misschien maak je regelmatig plots, maar in deze cursus is het belangrijk dat je expliciet kunt bepalen op welke as verschillende tijdreeksen worden geplot. Dat is cruciaal om later je tijdreeksvoorspellingen te kunnen beoordelen.

Je taak is hier om een gegevensset met maandelijkse Amerikaanse snoepproductie tussen 1972 en 2018 te plotten.

Specifiek plot je de industriële productie-index IPG3113N. Dit is de totale hoeveelheid suiker- en suikerwerkproducten die in de VS per maand wordt geproduceerd, als percentage van de productie van januari 2012. Dus 120 staat voor 120% van de industriële productie van januari 2012.

Bekijk hoe deze grootheid in de tijd is veranderd en hoe die gedurende het jaar schommelt.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in Python

Cursus bekijken

Oefeninstructies

  • Importeer matplotlib.pyplot met de alias plt en importeer pandas met de alias pd.
  • Laad de tijdreeks van de snoepproductie 'candy_production.csv' in met pandas, stel de index in op de 'date'-kolom, parse de datums en wijs deze toe aan de variabele candy.
  • Plot de tijdreeks op de as ax1 met de .plot()-methode van de DataFrame. Laat daarna de plot zien.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import modules
import ____ as ____
import ____ as ____

# Load in the time series
candy = pd.____('candy_production.csv', 
            ____='____',
            ____=____)

# Plot and show the time series on axis ax1
fig, ax1 = plt.subplots()
____.____(ax=____)
____
Code bewerken en uitvoeren