Wizualizacja niechlujnych danych
Przyjrzyjmy się nowemu zbiorowi danych – jest on nieco mniej uporządkowany niż te, z którymi do tej pory pracowałeś/-aś.
Jak zawsze, zacznij od wizualizacji surowych danych. Dokładnie je przeanalizuj i spróbuj znaleźć punkty danych, które mogą sprawiać trudności podczas dopasowywania modeli.
Dane zostały wczytane do DataFrame'a o nazwie prices.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Zwizualizuj dane szeregu czasowego przy użyciu biblioteki Pandas.
- Oblicz liczbę brakujących wartości w każdym szeregu czasowym. Zwróć uwagę na wszelkie nieprawidłowości. Jak myślisz, co je powoduje?
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Visualize the dataset
prices.____(legend=False)
plt.tight_layout()
plt.show()
# Count the missing values of each time series
missing_values = prices.____.____
print(missing_values)