Imputando valores ausentes
Quando você tem pontos de dados faltando, como pode preenchê-los?
Neste exercício, você vai praticar diferentes métodos de interpolação para preencher alguns valores ausentes,
visualizando o resultado a cada vez. Mas antes, você vai criar a função (interpolate_and_plot()) que usará para interpolar pontos de dados ausentes e plotá-los.
Uma única série temporal foi carregada em um DataFrame chamado prices.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create a function we'll use to interpolate and plot
def interpolate_and_plot(prices, interpolation):
# Create a boolean mask for missing values
missing_values = prices.____()
# Interpolate the missing values
prices_interp = prices.____(interpolation)
# Plot the results, highlighting the interpolated values in black
fig, ax = plt.subplots(figsize=(10, 5))
prices_interp.plot(color='k', alpha=.6, ax=ax, legend=False)
# Now plot the interpolated values on top in red
prices_interp[missing_values].plot(ax=ax, color='r', lw=3, legend=False)
plt.show()