Visualizar imputaciones en series temporales

Cómo tratar datos faltantes en Python

Suraj Donthi

Deep Learning & Computer Vision Learning

Gráfico de serie temporal de calidad del aire

airquality['Ozone'].plot(title='Ozone', marker='o', figsize=(30, 5))

Gráfico de serie temporal del conjunto de datos de calidad del aire

Imputación ffill

ffill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))

airquality['Ozone'].plot(title='Ozone', marker='o')

Gráfico de serie temporal del conjunto de datos de calidad del aire con rellenado hacia adelante

Imputación bfill

bfill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Gráfico de serie temporal del conjunto de datos de calidad del aire con rellenado hacia atrás

Interpolación lineal

linear_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Gráfico de serie temporal del conjunto de datos de calidad del aire con interpolación lineal

Interpolación cuadrática

quadratic_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Gráfico de serie temporal del conjunto de datos de calidad del aire con interpolación cuadrática

Interpolación por vecino más cercano

nearest_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Gráfico de serie temporal del conjunto de datos de calidad del aire con interpolación por vecino más cercano

Comparación de las interpolaciones

# Crear subgráficos
fig, axes = plt.subplots(3, 1, figsize=(30, 20))

# Crear diccionario de interpolaciones
interpolations = {'Linear Interpolation': linear_interp, 
                         'Quadratic Interpolation': quadratic_interp, 
                         'Nearest Interpolation': nearest_interp}

# Visualizar cada interpolación
for ax, df_key in zip(axes, interpolations):
            interpolations[df_key].Ozone.plot(color='red', marker='o', 
                                              linestyle='dotted', ax=ax)
            airquality.Ozone.plot(title=df_key + ' - Ozone', marker='o', ax=ax)

Comparación de las interpolaciones

Comparación de los DataFrames de calidad del aire interpolados

Comparación de técnicas de imputación

Comparación de todos los conjuntos de datos de calidad del aire imputados

Resumen

Gráfico de serie temporal del DataFrame imputado
Comparación de imputaciones

¡Vamos a practicar!

Cómo tratar datos faltantes en Python