Gérer les valeurs manquantes

Au chapitre 3, vous avez utilisé na.locf() pour remplacer les valeurs manquantes par la dernière valeur non manquante. Vous pouvez recourir à l'interpolation lorsque reprendre la valeur précédente n'est pas approprié. Dans cet exercice, vous allez explorer deux méthodes d'interpolation : linéaire et spline.

L'interpolation linéaire calcule des valeurs situées sur une droite entre deux points de données connus. C'est un bon choix pour des données assez linéaires, comme une série avec une forte tendance. L'interpolation spline convient mieux aux séries sans forte tendance, car elle calcule une approximation non linéaire à partir de plusieurs points de données.

Utilisez ces deux méthodes pour interpoler les trois valeurs manquantes du taux des obligations du Trésor à 10 ans dans l'objet DGS10. Comparez ensuite les résultats avec la sortie de na.locf().

Cette activité fait partie du cours

Importer et gérer des données financières dans R

Voir le cours

Instructions de l’exercice

Complétez la commande pour utiliser na.approx() et remplir les valeurs manquantes par interpolation linéaire.
Complétez la commande pour utiliser na.spline() et remplir les valeurs manquantes par interpolation spline.
Fusionnez locf, approx et spline dans un seul objet nommé na_filled.
Complétez la commande pour tracer na_filled.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# fill NA using last observation carried forward
locf <- na.locf(DGS10)

# fill NA using linear interpolation
approx <- ___(DGS10)

# fill NA using spline interpolation
spline <- ___(DGS10)

# merge into one object


# plot combined object
___(___, col = c("black", "red", "green"))

Modifier et exécuter le code