Carregar várias séries temporais

Seja em projetos pessoais ou no seu dia a dia como Data Scientist, é bem provável que você encontre situações que exigem a análise e a visualização de várias séries temporais ao mesmo tempo.

Quando os dados de cada série temporal estão em colunas distintas de um arquivo, a biblioteca pandas facilita o trabalho com múltiplas séries temporais. Nos próximos exercícios, você vai trabalhar com um novo conjunto de dados de séries temporais que contém a quantidade de diferentes tipos de carne produzidos nos EUA entre 1944 e 2012.

Este exercício faz parte do curso

Visualizing Time Series Data in Python

Ver curso

Instruções do exercício

Já importamos o pandas usando o alias pd.

Leia o arquivo csv localizado em url_meat em um DataFrame chamado meat.
Converta a coluna date em meat para o tipo datetime.
Defina a coluna date como o índice de meat.
Imprima as estatísticas descritivas de todas as colunas numéricas em meat.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Read in meat DataFrame
meat = ____.____(____)

# Review the first five lines of the meat DataFrame
print(meat.head(5))

# Convert the date column to a datestamp type
meat['date'] = ____(____)

# Set the date column as the index of your DataFrame meat
meat = ____.____(____)

# Print the summary statistics of the DataFrame
print(meat.____)

Editar e executar o código