Preprocesamiento de datos de series temporales

En este reto, trabajaremos con un conjunto de datos temporales para poner en práctica nuestras habilidades en el preprocesamiento de series temporales utilizando pandas. Usarás funciones como pd.to_datetime(), resample(), y técnicas para manejar fechas, para transformar y resumir adecuadamente los datos temporales.

Cargar el dataset: Cargar el conjunto de datos flights disponible en Seaborn usando la función sns.load_dataset('flights').

Convertir las columnas de fecha: La información de fechas está separada en las columnas 'year' y 'month'. Combina ambas en una nueva columna de tipo datetime llamada 'date'. Necesitarás usar to_datetime de Pandas.

Crear un DataFrame con la fecha como índice: Usa la columna 'date' como el índice del DataFrame.

Resampling mensual a trimestral: Realiza un resampling desde mensual a trimestral, calculando la suma de pasajeros en cada trimestre. Almacena el resultado en una nueva variable llamada trimestral_passengers.

Imputar valores faltantes: Si se generan valores NaN durante el resampleo, asegúrate de rellenarlos usando el método ffill().

Visualizar el resultado: Grafica los datos originales y los resultados del resampling para visualizar los efectos del preprocesamiento.

Implementa cada paso siguiendo las instrucciones aquí proporcionadas.