मिसिंग वैल्यू हैंडल करें
अध्याय 3 में, आपने na.locf() का उपयोग करके मिसिंग वैल्यू को उसके पहले आने वाली गैर-मिसिंग वैल्यू से भरा था. जब पिछली वैल्यू को आगे बढ़ाना उचित न हो, तो आप इंटरपोलेशन का उपयोग कर सकते हैं. इस अभ्यास में, आप दो इंटरपोलेशन विधियों का अन्वेषण करेंगे: linear और spline.
Linear interpolation उन वैल्यू को गणना करती है जो दो ज्ञात डेटा पॉइंट्स के बीच की सीधी रेखा पर आती हैं. यह काफ़ी linear डेटा, जैसे तेज़ ट्रेंड वाली सीरीज़, के लिए अच्छा विकल्प है. Spline interpolation उन सीरीज़ के लिए बेहतर है जिनमें मज़बूत ट्रेंड नहीं होता, क्योंकि यह कई डेटा पॉइंट्स का उपयोग करके non-linear approximation निकालती है.
इन दोनों तरीकों का उपयोग करके ऑब्जेक्ट DGS10 में 10-year Treasury rate की तीन मिसिंग वैल्यू को इंटरपोलेट करें. फिर परिणामों की तुलना na.locf() के आउटपुट से करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में वित्तीय डेटा का इम्पोर्ट और प्रबंधन
अभ्यास निर्देश
- कमांड को पूरा करें ताकि
na.approx()का उपयोग करके linear interpolation से मिसिंग वैल्यू भरी जाएँ. - कमांड को पूरा करें ताकि
na.spline()का उपयोग करके spline interpolation से मिसिंग वैल्यू भरी जाएँ. locf,approx, औरsplineको मर्ज करके एक ऑब्जेक्टna_filledबनाएँ.na_filledको प्लॉट करने के लिए कमांड पूरा करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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"))