Использование интерполяции для получения еженедельных данных о занятости

Ранее вы работали с данными об уровне безработицы среди гражданского населения США и преобразовывали их с месячной периодичности на еженедельную с помощью методов forward и backfill.

Сравните этот подход с новым методом .interpolate(), который вы изучили в этом видео.

Это упражнение является частью курса

Работа с временными рядами в Python

Посмотреть курс

Инструкции к упражнению

Библиотеки pandas и matplotlib.pyplot уже импортированы как pd и plt. Также в переменную monthly загружены ежемесячные данные об уровне безработицы за период с 2010 по 2016 год.

Изучите объект monthly с помощью .info().
Создайте pd.date_range() с еженедельной периодичностью, используя .min() и .max() индекса monthly в качестве start и end соответственно, и сохраните результат в переменную weekly_dates.
Примените .reindex() с аргументом weekly_dates к объекту monthly и сохраните результат в переменную weekly.
Создайте новые столбцы 'ffill' и 'interpolated', применив .ffill() и .interpolate() к weekly.UNRATE.
Отобразите график объекта weekly.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Inspect data here
print(____)

# Create weekly dates
weekly_dates = ____

# Reindex monthly to weekly data
weekly = ____

# Create ffill and interpolated columns
weekly['ffill'] = ____
weekly['interpolated'] = ____

# Plot weekly

Редактировать и запускать код