Visualisasikan imputasi backward fill
Untuk memahami kualitas imputasi, penting untuk menganalisis bagaimana imputasi berbeda dibandingkan dengan himpunan data asli. Cara tercepat adalah dengan memvisualisasikan hasil imputasi.
Pada latihan sebelumnya, Anda telah memvisualisasikan imputasi time series dengan forward fill pada DataFrame airquality. Pada latihan ini, Anda akan memvisualisasikan imputasi dengan backward fill pada DataFrame airquality.
Latihan ini adalah bagian dari kursus
Menangani Data Hilang di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Impute airquality DataFrame with bfill method
bfill_imputed = airquality.___(___='___')