Gestire i valori mancanti
Nel capitolo 3, hai usato na.locf() per riempire i valori mancanti con l'ultimo valore precedente non mancante. Puoi usare l'interpolazione quando non è appropriato portare avanti il valore precedente. In questo esercizio, esplorerai due metodi di interpolazione: lineare e spline.
L'interpolazione lineare calcola valori che si trovano sulla retta tra due punti dati noti. È una buona scelta per dati abbastanza lineari, come una serie con una forte tendenza. L'interpolazione spline è più adatta per serie senza una tendenza marcata, perché calcola un'approssimazione non lineare usando più punti dati.
Usa questi due metodi per interpolare i tre valori mancanti del tasso dei Treasury a 10 anni nell'oggetto DGS10. Poi confronta i risultati con l'output di na.locf().
Questo esercizio fa parte del corso
Importare e gestire dati finanziari in R
Istruzioni dell'esercizio
- Completa il comando per usare
na.approx()e riempire i valori mancanti con l'interpolazione lineare. - Completa il comando per usare
na.spline()e riempire i valori mancanti con l'interpolazione spline. - Unisci
locf,approxesplinein un unico oggetto chiamatona_filled. - Completa il comando per tracciare
na_filled.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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"))