使用插值创建每周就业数据
您之前使用过美国居民失业率，并通过简单的 forward 或 backfill 方法将其从月度频率转换为每周频率。
请将之前的方法与您在本视频中学到的新的 .interpolate() 方法进行比较。
本练习是课程的一部分
Python 中的时间序列数据处理
练习说明
我们已为您导入了 pandas（简称 pd）和 matplotlib.pyplot（简称 plt）。我们还将 2010 至 2016 年的月度失业率加载到了变量 monthly 中。
- 使用
.info()查看monthly。 - 使用
monthly的index的.min()和.max()分别作为start和end，创建包含每周日期的pd.date_range()，并将结果赋值给weekly_dates。 - 对
monthly应用.reindex()，传入weekly_dates，并将输出赋值给weekly。 - 对
weekly.UNRATE分别应用.ffill()和.interpolate()，创建新列'ffill'和'interpolated'。 - 绘制
weekly的图表。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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