Menangani nilai yang hilang

Pada bab 3, Anda menggunakan na.locf() untuk mengisi nilai yang hilang dengan nilai sebelumnya yang tidak hilang. Anda dapat menggunakan interpolasi ketika membawa nilai sebelumnya ke depan tidak tepat. Pada latihan ini, Anda akan mengeksplorasi dua metode interpolasi: linear dan spline.

Interpolasi linear menghitung nilai yang berada pada garis antara dua titik data yang diketahui. Ini pilihan yang bagus untuk data yang cukup linear, seperti deret dengan tren kuat. Interpolasi spline lebih tepat untuk deret tanpa tren kuat, karena menghitung pendekatan non-linear menggunakan beberapa titik data.

Gunakan kedua metode ini untuk menginterpolasi tiga nilai yang hilang untuk tingkat Treasury 10 tahun dalam objek DGS10. Lalu bandingkan hasilnya dengan keluaran na.locf().

Latihan ini adalah bagian dari kursus

Mengimpor dan Mengelola Data Keuangan di R

Lihat Kursus

Petunjuk latihan

Lengkapi perintah untuk menggunakan na.approx() guna mengisi nilai yang hilang dengan interpolasi linear.
Lengkapi perintah untuk menggunakan na.spline() guna mengisi nilai yang hilang dengan interpolasi spline.
Gabungkan locf, approx, dan spline ke dalam satu objek bernama na_filled.
Lengkapi perintah untuk memvisualisasikan na_filled.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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"))

Edit dan Jalankan Kode