Tworzenie tygodniowych danych z miesięcznych danych o bezrobociu

Stopa bezrobocia wśród cywilów w USA jest raportowana co miesiąc. Czasem potrzebujesz jednak danych z większą częstotliwością – nie stanowi to problemu, ponieważ właśnie poznałeś(-aś) technikę próbkowania w górę szeregów czasowych.

Będziesz pracować z danymi z ostatnich 20 lat i zastosujesz kilka opcji uzupełniania brakujących wartości przed narysowaniem wykresu dla serii tygodniowej.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteki pandas jako pd oraz matplotlib.pyplot jako plt są już zaimportowane.

Użyj pd.read_csv(), aby wczytać plik 'unemployment.csv', tworząc DateTimeIndex z kolumny 'date' za pomocą parse_dates i index_col, a wynik przypisz do zmiennej data.
Przelicz data na częstotliwość tygodniową za pomocą .asfreq() z aliasem 'W' i wyświetl pierwsze pięć wierszy.
Przelicz ponownie na częstotliwość tygodniową, dodając opcję 'bfill', i wyświetl pierwsze pięć wierszy.
Utwórz serię tygodniową, tym razem dodając opcję 'ffill', przypisz ją do zmiennej weekly_ffill i wyświetl pierwsze pięć wierszy.
Narysuj wykres weekly_ffill od roku 2015.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import data here
data = ____

# Show first five rows of weekly series
print(____)

# Show first five rows of weekly series with bfill option
print(____)

# Create weekly series with ffill option and show first five rows
weekly_ffill = ____
print(____)

# Plot weekly_fill starting 2015 here

Edytuj i uruchom kod