查看回归数据

下一个数据集包含多家公司在若干年间的市值信息。这是回归中最常用的时间序列数据之一。若能对公司价值随时间的变化进行建模，您就可以预测该公司未来的走势。该数据集最初也来自于一个公开的 Kaggle 竞赛（https://www.kaggle.com/dgawlik/nyse）。

在本练习中，您将绘制多家公司的时间序列，以了解它们之间是否以及如何相关。

本练习是课程的一部分

Python 中的时间序列机器学习

查看课程

练习说明

使用 Pandas 导入数据（存储于文件 'prices.csv'）。
将 data 的索引转换为 datetime。
遍历 data 的每一列，并将该列的数值随时间绘制出来。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Read in the data
data = pd.____('prices.csv', index_col=0)

# Convert the index of the DataFrame to datetime
data.index = ____(data.index)
print(data.head())

# Loop through each column, plot its values over time
fig, ax = plt.subplots()
for column in ____:
    data[column].plot(ax=ax, label=column)
ax.legend()
plt.show()

编辑并运行代码