Visualização de dados confusos
Vamos dar uma olhada em um novo conjunto de dados - este é um pouco menos limpo do que o que você já viu antes.
Como sempre, primeiro você começará visualizando os dados brutos. Pegue Você deve dar uma olhada de perto e tentar encontrar pontos de dados que possam ser problemáticos para o ajuste de modelos.
Os dados foram carregados em um DataFrame chamado prices.
Este exercício faz parte do curso
Aprendizado de máquina para dados de séries temporais em Python
Instruções de exercício
- Visualize os dados da série temporal usando o Pandas.
- Calcule o número de valores ausentes em cada série temporal. Observe todas as irregularidades que você puder ver. O que você acha que eles são?
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# 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)