เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ใช้การ interpolation เพื่อสร้างข้อมูลการจ้างงานรายสัปดาห์

ในบทที่ผ่านมา เราได้ใช้อัตราการว่างงานของพลเรือนในสหรัฐฯ และแปลงความถี่จากรายเดือนเป็นรายสัปดาห์โดยใช้วิธี forward fill หรือ backfill แบบง่าย

ลองเปรียบเทียบแนวทางเดิมกับเมธอด .interpolate() ที่เพิ่งได้เรียนไปในวิดีโอนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูล Time Series ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

เราได้ import pandas เป็น pd และ matplotlib.pyplot เป็น plt ให้แล้ว และได้โหลดอัตราการว่างงานรายเดือนตั้งแต่ปี 2010 ถึง 2016 ไว้ในตัวแปร monthly

  • ตรวจสอบ monthly โดยใช้ .info()
  • สร้าง pd.date_range() สำหรับวันที่รายสัปดาห์ โดยใช้ .min() และ .max() ของ index ของ monthly เป็น start และ end ตามลำดับ แล้วกำหนดผลลัพธ์ให้กับตัวแปร weekly_dates
  • ใช้ .reindex() กับ monthly โดยส่ง weekly_dates เป็นอาร์กิวเมนต์ แล้วกำหนดผลลัพธ์ให้กับตัวแปร weekly
  • สร้างคอลัมน์ใหม่ 'ffill' และ 'interpolated' โดยใช้ .ffill() และ .interpolate() กับ weekly.UNRATE
  • แสดงกราฟของ weekly

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด