Visualizzare le imputazioni nelle serie temporali

Gestire i dati mancanti in Python

Suraj Donthi

Deep Learning & Computer Vision Learning

Grafico a serie temporale della qualità dell'aria

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

Grafico a serie temporale del dataset qualità dell'aria

Imputazione ffill

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

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

Grafico a serie temporale del dataset qualità dell'aria con forward fill

Imputazione bfill

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

Grafico a serie temporale del dataset qualità dell'aria con backward fill

Interpolazione lineare

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

Grafico a serie temporale del dataset qualità dell'aria con interpolazione lineare

Interpolazione quadratica

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

Grafico a serie temporale del dataset qualità dell'aria con interpolazione quadratica

Interpolazione nearest

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

Grafico a serie temporale del dataset qualità dell'aria con interpolazione nearest

Confronto delle interpolazioni

# 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)

Confronto delle interpolazioni

Confronto dei dataframe qualità dell'aria interpolati

Confronto delle tecniche di imputazione

Confronto di tutti i dataset qualità dell'aria imputati

Riepilogo

Grafico a serie temporale del DataFrame imputato
Confronto delle imputazioni

Passiamo alla pratica !

Gestire i dati mancanti in Python