Визуализация импутации временных рядов

Работа с пропущенными данными в Python

Suraj Donthi

Deep Learning & Computer Vision Learning

График временного ряда качества воздуха

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

График временного ряда набора данных о качестве воздуха

Импутация методом ffill

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

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

График временного ряда с прямой заполнением качества воздуха

Импутация методом bfill

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

График временного ряда с обратным заполнением качества воздуха

Линейная интерполяция

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

График временного ряда с линейной интерполяцией качества воздуха

Квадратичная интерполяция

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

График временного ряда с квадратичной интерполяцией качества воздуха

Интерполяция ближайшего соседа

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

График временного ряда с интерполяцией ближайшего соседа качества воздуха

Сравнение методов интерполяции

# 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)

Сравнение методов интерполяции

Сравнение датафреймов с интерполяцией качества воздуха

Сравнение методов импутации

Сравнение всех наборов данных о качестве воздуха после импутации

Итоги

График временного ряда после импутации
Сравнение методов импутации

Давайте потренируемся!

Работа с пропущенными данными в Python