Скористайтеся інтерполяцією, щоб створити щотижневі дані про зайнятість

Нещодавно ви працювали з рівнем безробіття цивільного населення США та перетворювали його з місячної на тижневу частоту, використовуючи прості методи forward або backfill.

Порівняйте свій попередній підхід із новим методом .interpolate(), про який ви дізналися в цьому відео.

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми імпортували для вас pandas як pd і matplotlib.pyplot як plt. Також ми завантажили місячний рівень безробіття за 2010–2016 роки у змінну monthly.

Перегляньте monthly за допомогою .info().
Створіть pd.date_range() із щотижневими датами, використовуючи .min() і .max() індексу monthly як start і end відповідно, і запишіть результат у weekly_dates.
Застосуйте .reindex() із weekly_dates до monthly і запишіть результат у weekly.
Створіть нові стовпці 'ffill' і 'interpolated', застосувавши .ffill() і .interpolate() до weekly.UNRATE.
Побудуйте графік для weekly.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код