Візуалізація імпутацій часових рядів

Робота з пропущеними даними в Python

Suraj Donthi

Deep Learning & Computer Vision Learning

Часовий ряд якості повітря

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

Графік часового ряду для набору даних про якість повітря

Імпутація Ffill

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

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

Графік часового ряду з forward fill для якості повітря

Імпутація Bfill

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

Графік часового ряду з backward fill для якості повітря

Лінійна інтерполяція

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

Графік часового ряду з лінійною інтерполяцією для якості повітря

Квадратична інтерполяція

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

Графік часового ряду з квадратичною інтерполяцією для якості повітря

Інтерполяція найближчим сусідом

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

Графік часового ряду з найближчою інтерполяцією для якості повітря

Порівняння інтерполяцій

# 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)

Порівняння інтерполяцій

Порівняння інтерпольованих датафреймів якості повітря

Порівняння методів імпутації

Порівняння всіх імпутованих наборів даних про якість повітря

Підсумок

Графік часового ряду імпутованого DataFrame
Порівняння імпутацій

Давайте потренуємось!

Робота з пропущеними даними в Python