IniziaInizia gratis

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

Visualizza il corso

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, approx e spline in un unico oggetto chiamato na_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"))
Modifica ed esegui il codice