मिसिंग टाइम-सीरीज़ डेटा भरना
टाइम-सीरीज़ डेटा को इम्प्यूट करने के लिए विशेष तरीके की ज़रूरत होती है। टाइम-सीरीज़ डेटा में अक्सर ट्रेंड, सीज़नैलिटी और साइक्लिकैलिटी जैसी विशेषताएँ होती हैं, जिनका उपयोग हम डेटा में मिसिंग वैल्यूज़ भरते समय कर सकते हैं। airquality DataFrame में आप ये विशेषताएँ देख सकते हैं। आपका लक्ष्य है वैल्यूज़ को इस तरह इम्प्यूट करना कि ये विशेषताएँ बनी रहें।
इस अभ्यास में, आप .fillna() मेथड का उपयोग करके टाइम-सीरीज़ डेटा इम्प्यूट करने की कोशिश करेंगे। आप टाइम-सीरीज़ डेटा के लिए फॉरवर्ड फिल और बैकवर्ड फिल रणनीतियों का उपयोग करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Missing Data से निपटना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print prior to imputing missing values
print(airquality[30:40])
# Fill NaNs using forward fill
airquality.___(___, inplace=True)
# Print after imputing missing values
print(airquality[30:40])