Skapa veckodata från månadsvis arbetslöshetsstatistik

Den civila arbetslöshetsgraden i USA rapporteras månadsvis. Ibland behöver du mer frekventa data – men det är inga problem, eftersom du precis lärt dig hur man uppsamplrar en tidsserie.

Du arbetar med tidsseriedata för de senaste 20 åren och testar några olika alternativ för att fylla i saknade värden innan du plottar veckoserien.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har redan importerat pandas som pd och matplotlib.pyplot som plt.

Använd pd.read_csv() för att importera 'unemployment.csv'. Skapa ett DateTimeIndex från kolumnen 'date' med hjälp av parse_dates och index_col, och tilldela resultatet till data.
Konvertera data till veckofrekvens med .asfreq() och aliaset 'W', och visa de fem första raderna.
Konvertera igen till veckofrekvens med alternativet 'bfill', och visa de fem första raderna.
Skapa en veckoserie med alternativet 'ffill', tilldela den till weekly_ffill, och visa de fem första raderna.
Plotta weekly_ffill från och med 2015.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import data here
data = ____

# Show first five rows of weekly series
print(____)

# Show first five rows of weekly series with bfill option
print(____)

# Create weekly series with ffill option and show first five rows
weekly_ffill = ____
print(____)

# Plot weekly_fill starting 2015 here

Redigera och kör kod