Memvisualisasikan imputasi deret waktu

Menangani Data Hilang di Python

Suraj Donthi

Deep Learning & Computer Vision Learning

Plot deret waktu kualitas udara

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

Plot deret waktu dari dataset kualitas udara

Imputasi Ffill

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

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

Plot deret waktu dari dataset kualitas udara yang diisi maju (forward fill)

Imputasi Bfill

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

Plot deret waktu dari dataset kualitas udara yang diisi mundur (backward fill)

Interpolasi Linear

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

Plot deret waktu dari dataset kualitas udara hasil interpolasi linear

Interpolasi Kuadratik

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

Plot deret waktu dari dataset kualitas udara hasil interpolasi kuadratik

Interpolasi Terdekat

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

Plot deret waktu dari dataset kualitas udara hasil interpolasi terdekat

Perbandingan metode interpolasi

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

# Create interpolations dictionary
interpolations = {'Linear Interpolation': linear_interp, 
                         'Quadratic Interpolation': quadratic_interp, 
                         'Nearest Interpolation': nearest_interp}

# Visualize each interpolation
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)

Perbandingan metode interpolasi

Perbandingan data frame kualitas udara terinterpolasi

Perbandingan teknik imputasi

Perbandingan semua dataset kualitas udara yang diimputasi

Ringkasan

Plot deret waktu dari DataFrame terimputasi
Perbandingan imputasi

Ayo berlatih!

Menangani Data Hilang di Python