Imputace pomocí metody interpolate
Časové řady se vyznačují vzestupnými a sestupnými trendy v čase. Proto není vhodné doplňovat chybějící hodnoty pomocí metod jako forward fill nebo backward fill, které plní série plochými hodnotami. Vhodnější přístup představuje lineární nebo kvadratická imputace, kde se hodnoty doplňují postupně rostoucími nebo klesajícími hodnotami.
V tomto cvičení použiješ metodu .interpolate() na DataFrame airquality. Vyzkoušíš lineární, kvadratickou a metodu nejbližšího souseda. Podrobný seznam strategií interpolace najdeš zde.
Toto cvičení je součástí kurzu
Dealing with Missing Data in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Print prior to interpolation
print(airquality[30:40])
# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)
# Print after interpolation
print(airquality[30:40])