พล็อตกราฟการ interpolation

การสร้างกราฟเปรียบเทียบผลการ imputation ถือเป็นขั้นตอนสำคัญในการประเมินว่าเทคนิคใดให้ผลดีที่สุด ในแบบฝึกหัดนี้ จะสร้าง for loop เพื่อสร้างกราฟสำหรับหลายเทคนิค imputation โดยจะพล็อตผลการ interpolation ที่ทำไปในบทเรียนก่อนหน้า ได้แก่ linear, quadratic และ nearest interpolation

มีการนำเข้า DataFrame สามชุดที่ตั้งชื่อตามเทคนิค imputation ให้แล้ว ได้แก่ linear_interp, quadratic_interp และ nearest_interp

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง subplot จำนวน 3 อันสำหรับแต่ละเทคนิค imputation
สร้าง dictionary interpolations โดย map DataFrame linear_interp, quadratic_interp และ nearest_interp เข้ากับเทคนิค interpolation ที่เกี่ยวข้อง
วน loop ผ่าน axes และ interpolations
เลือก DataFrame แต่ละชุดใน interpolations และตั้งชื่อกราฟโดยใช้ df_key

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()

แก้ไขและรันโค้ด