Tworzenie tygodniowych danych o zatrudnieniu za pomocą interpolacji

Wcześniej pracowałeś z cywilną stopą bezrobocia w USA i przekształcałeś ją z częstotliwości miesięcznej na tygodniową przy użyciu prostych metod forward lub backfill.

Porównaj tamto podejście z nową metodą .interpolate(), którą poznałeś w tym filmie.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportowaliśmy dla ciebie pandas jako pd oraz matplotlib.pyplot jako plt. Wczytaliśmy też miesięczną stopę bezrobocia z lat 2010–2016 do zmiennej monthly.

Sprawdź monthly za pomocą .info().
Utwórz pd.date_range() z datami tygodniowymi, używając .min() i .max() indeksu monthly odpowiednio jako start i end, a wynik przypisz do weekly_dates.
Zastosuj .reindex() z argumentem weekly_dates na zmiennej monthly i przypisz wynik do weekly.
Utwórz nowe kolumny 'ffill' i 'interpolated', stosując odpowiednio .ffill() i .interpolate() na weekly.UNRATE.
Wyświetl wykres weekly.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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

Edytuj i uruchom kod