शुरू करेंमुफ़्त में शुरू करें

Missing values

कभी-कभी टाइम सीरीज़ डेटा में missing values होती हैं, जिन्हें R में NA से दर्शाया जाता है, और उनके स्थान जानना उपयोगी होता है। यह जानना भी ज़रूरी है कि अलग-अलग R फंक्शनों द्वारा missing values को कैसे हैंडल किया जाता है। कभी हम missingness को अनदेखा करना चाहेंगे, तो कभी हमें missing मानों का इम्प्यूटेशन या अनुमान लगाना पड़ सकता है।

आइए फिर से monthly AirPassengers डेटासेट पर विचार करें, लेकिन अब 1956 के साल का डेटा missing है। इस अभ्यास में, आप इस missing डेटा के प्रभावों का पता लगाएँगे और समस्या सुलझाने के लिए कुछ नए डेटा का इम्प्यूटेशन करेंगे।

mean() फंक्शन sample mean निकालता है, लेकिन किसी भी NA के होते ही यह फेल हो जाता है। सभी missing मानों को हटाकर mean निकालने के लिए mean(___, na.rm = TRUE) का उपयोग करें। प्रचलन में missing मानों को observed मानों के mean से बदल दिया जाता है। जब यह सरल डेटा इम्प्यूटेशन स्कीम AirPassengers डेटासेट पर लगाई जाती है, तो क्या यह पर्याप्त लगती है?

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Time Series Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • plot() का उपयोग करके AirPassengers का एक सरल प्लॉट दिखाएँ। 1956 के missing डेटा पर ध्यान दें।
  • mean() का उपयोग करके AirPassengers का sample mean निकालें, जिसमें missing डेटा हटाया गया हो (na.rm = TRUE).
  • पहले से लिखे गए कोड को चलाकर missing डेटा में mean मानों का इम्प्यूटेशन करें।
  • अपने नए इम्प्यूट किए गए AirPassengers डेटा को फिर से प्लॉट करने के लिए plot() को दोबारा कॉल करें।
  • अपने प्लॉट में complete AirPassengers डेटा जोड़ने के लिए पहले से लिखे गए कोड को चलाएँ।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot the AirPassengers data
plot(___)

# Compute the mean of AirPassengers


# Impute mean values to NA in AirPassengers
AirPassengers[85:96] <- mean(AirPassengers, na.rm = ___)

# Generate another plot of AirPassengers


# Add the complete AirPassengers data to your plot
rm(AirPassengers)
points(AirPassengers, type = "l", col = 2, lty = 3)
कोड संपादित करें और चलाएँ