เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างข้อมูลรายสัปดาห์จากข้อมูลการว่างงานรายเดือน

อัตราการว่างงานของพลเรือนในสหรัฐอเมริกาถูกรายงานเป็นรายเดือน หากต้องการข้อมูลที่ถี่กว่านั้น ก็ไม่ใช่ปัญหา เพราะเพิ่งเรียนรู้วิธีการ upsample ข้อมูล time series ไปแล้ว

ในแบบฝึกหัดนี้จะทำงานกับข้อมูล time series ในช่วง 20 ปีที่ผ่านมา และลองใช้หลายตัวเลือกในการเติมค่าที่หายไป ก่อนนำข้อมูลรายสัปดาห์ไปพล็อตกราฟ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูล Time Series ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นำเข้า pandas เป็น pd และ matplotlib.pyplot เป็น plt ไว้แล้ว

  • ใช้ pd.read_csv() นำเข้าไฟล์ 'unemployment.csv' โดยสร้าง DateTimeIndex จากคอลัมน์ 'date' ด้วย parse_dates และ index_col แล้วกำหนดผลลัพธ์ให้กับตัวแปร data
  • แปลง data เป็นความถี่รายสัปดาห์โดยใช้ .asfreq() กับนามแฝง 'W' และแสดง 5 แถวแรก
  • แปลงเป็นความถี่รายสัปดาห์อีกครั้ง โดยเพิ่มตัวเลือก 'bfill' และแสดง 5 แถวแรก
  • สร้างซีรีส์รายสัปดาห์โดยเพิ่มตัวเลือก 'ffill' กำหนดให้กับตัวแปร weekly_ffill และแสดง 5 แถวแรก
  • พล็อตกราฟ weekly_ffill โดยเริ่มตั้งแต่ปี 2015

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด