Визуализация «грязных» данных
Давайте рассмотрим новый набор данных — он немного менее чистый, чем те, с которыми вы уже работали.
Как всегда, начнём с визуализации исходных данных. Внимательно изучите их и попробуйте найти точки, которые могут вызвать проблемы при обучении модели.
Данные загружены в DataFrame с именем prices.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Визуализируйте данные временного ряда с помощью Pandas.
- Подсчитайте количество пропущенных значений в каждом временном ряду. Обратите внимание на любые аномалии, которые вы заметите. Как вы думаете, чем они вызваны?
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)