Plotar interpolações

Plotar gráficos comparativos das imputações é essencial para identificar a melhor técnica de imputação. Neste exercício, você vai criar um laço for para gerar gráficos de múltiplas técnicas de imputação. Você vai criar os gráficos das imputações que realizou na lição anterior, ou seja, as técnicas de interpolação linear, quadrática e do vizinho mais próximo.

Três DataFrames nomeados de acordo com suas técnicas de imputação já foram importados para você: linear_interp, quadratic_interp e nearest_interp

Este exercício faz parte do curso

Lidando com Dados Ausentes em Python

Ver curso

Instruções do exercício

Crie 3 subplots, um para cada técnica de imputação.
Crie o dicionário interpolations mapeando os DataFrames linear_interp, quadratic_interp e nearest_interp para a técnica de interpolação correspondente.
Faça um loop sobre axes e interpolations.
Selecione cada DataFrame em interpolations e defina o título de um DataFrame usando df_key.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Set nrows to 3 and ncols to 1
fig, axes = plt.subplots(___, ___, figsize=(30, 20))

# Create a dictionary of interpolated DataFrames for looping 
interpolations = {'Linear Interpolation': ___, 'Quadratic Interpolation': ___, 
                  'Nearest Interpolation': ___}

# Loop over axes and interpolations
for ax, df_key in zip(___, ___):
  # Select and also set the title for a DataFrame
  interpolations[___].Ozone.plot(color='red', marker='o', linestyle='dotted', ax=ax)
  airquality.Ozone.plot(title=___ + ' - Ozone', marker='o', ax=ax)
  
plt.show()

Editar e executar o código