Wizualizacja imputacji szeregów czasowych

Braki danych w Pythonie

Suraj Donthi

Deep Learning & Computer Vision Learning

Wykres szeregu czasowego jakości powietrza

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

Wykres szeregu czasowego zestawu danych jakości powietrza

Imputacja Ffill

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

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

Wykres szeregu czasowego zestawu danych jakości powietrza z wypełnianiem w przód

Imputacja Bfill

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

Wykres szeregu czasowego zestawu danych jakości powietrza z wypełnianiem wstecz

Interpolacja liniowa

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

Wykres szeregu czasowego zestawu danych jakości powietrza z interpolacją liniową

Interpolacja kwadratowa

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

Wykres szeregu czasowego zestawu danych jakości powietrza z interpolacją kwadratową

Interpolacja najbliższego sąsiada

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

Wykres szeregu czasowego zestawu danych jakości powietrza z interpolacją najbliższego sąsiada

Porównanie interpolacji

# 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)

Porównanie interpolacji

Porównanie interpolowanych ramek danych jakości powietrza

Porównanie metod imputacji

Porównanie wszystkich imputowanych zestawów danych jakości powietrza

Podsumowanie

Wykres szeregu czasowego imputowanej ramki danych
Porównanie imputacji

Czas na ćwiczenia!

Braki danych w Pythonie