Візуалізація «брудних» даних
Розгляньмо новий набір даних — він трохи менш охайний, ніж ті, що ви бачили раніше.
Як завжди, почніть із візуалізації «сирих» даних. Придивіться уважно та спробуйте знайти точки даних, які можуть створити проблеми під час навчання моделей.
Дані завантажено в датафрейм prices.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Візуалізуйте часові ряди за допомогою Pandas.
- Обчисліть кількість пропущених значень у кожному часовому ряді. Зверніть увагу на будь-які нерегулярності, які бачите. Як ви думаєте, що це може бути?
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Visualize the dataset
prices.____(legend=False)
plt.tight_layout()
plt.show()
# Count the missing values of each time series
missing_values = prices.____.____
print(missing_values)