НачатьНачать бесплатно

Исследование данных

Вы, вероятно, часто строите графики, однако в этом курсе важно уметь явно управлять осями, на которых отображаются различные временные ряды. Это понадобится вам при оценке точности прогнозов.

В этом упражнении нужно построить график набора данных о ежемесячном производстве конфет в США с 1972 по 2018 год.

Конкретно вы будете отображать индекс промышленного производства IPG3113N — суммарный объём производства сахара и кондитерских изделий в США за каждый месяц в виде процента от уровня производства в январе 2012 года. Например, значение 120 означает 120% от уровня промышленного производства в январе 2012 года.

Посмотрите, как этот показатель менялся со временем и как он варьируется в течение года.

Это упражнение является частью курса

Модели ARIMA в Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте matplotlib.pyplot под псевдонимом plt, а pandas — под псевдонимом pd.
  • Загрузите временной ряд производства конфет из файла 'candy_production.csv' с помощью pandas: задайте столбец 'date' в качестве индекса, включите разбор дат и сохраните результат в переменную candy.
  • Постройте временной ряд на оси ax1 с помощью метода .plot() объекта DataFrame, затем отобразите график.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import modules
import ____ as ____
import ____ as ____

# Load in the time series
candy = pd.____('candy_production.csv', 
            ____='____',
            ____=____)

# Plot and show the time series on axis ax1
fig, ax1 = plt.subplots()
____.____(ax=____)
____
Редактировать и запускать код