Mengisi data deret waktu yang hilang
Imputasi data deret waktu memerlukan penanganan khusus. Data deret waktu biasanya memiliki karakteristik seperti tren, musiman, dan siklis yang dapat kita manfaatkan saat mengimputasi nilai yang hilang. Dalam DataFrame airquality, Anda dapat mengamati karakteristik-karakteristik ini. Tujuan Anda adalah mengimputasi nilai sedemikian rupa sehingga karakteristik tersebut tetap terjaga.
Dalam latihan ini, Anda akan mencoba menggunakan metode .fillna() untuk mengimputasi data deret waktu. Anda akan menggunakan strategi forward fill dan backward fill untuk imputasi data deret waktu.
Latihan ini merupakan bagian dari kursus
Menangani Data Hilang di Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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])