Plotta interpolationer

Att rita jämförande diagram för imputationer är viktigt för att avgöra vilken imputationsteknik som ger bäst resultat. I den här övningen skapar du en for-slinga som genererar diagram för flera imputationstekniker. Du kommer att plotta de imputationer du utförde i föregående lektion, det vill säga linjär, kvadratisk och närmaste interpolation.

Tre DataFrames namngivna efter sina respektive imputationstekniker har redan importerats åt dig: linear_interp, quadratic_interp och nearest_interp.

Den här övningen är en del av kursen

Hantera saknade värden i Python

Visa kurs

Övningsinstruktioner

Skapa 3 deldiagram för varje imputationsteknik.
Skapa ordboken interpolations genom att mappa DataFrames linear_interp, quadratic_interp och nearest_interp till respektive interpolationsteknik.
Iterera över axes och interpolations.
Välj varje DataFrame i interpolations och ange titeln för en DataFrame med hjälp av df_key.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set nrows to 3 and ncols to 1
fig, axes = plt.subplots(___, ___, figsize=(30, 20))

# Create a dictionary of interpolated DataFrames for looping 
interpolations = {'Linear Interpolation': ___, 'Quadratic Interpolation': ___, 
                  'Nearest Interpolation': ___}

# Loop over axes and interpolations
for ax, df_key in zip(___, ___):
  # Select and also set the title for a DataFrame
  interpolations[___].Ozone.plot(color='red', marker='o', linestyle='dotted', ax=ax)
  airquality.Ozone.plot(title=___ + ' - Ozone', marker='o', ax=ax)
  
plt.show()

Redigera och kör kod