1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで欠損データに対処する
Connected

演習

欠損した時系列データの補完

時系列データの補完には、専用の扱いが必要です。時系列データには一般に、トレンド、季節性、循環性といった特徴があり、欠損値の補完に活用できます。airquality DataFrame でも、これらの特徴を観察できます。目的は、これらの特徴を考慮したうえで値を補完することです。

この演習では、.fillna() メソッドを使って時系列データを補完してみます。時系列データの補完として、前方埋め（forward fill）と後方埋め（backward fill）の手法を使います。

指示1 / 2

undefined XP
  • 1
    • 前方埋め（forward fill）で欠損値を補完します。
  • 2
    • 後方埋め（backward fill）で欠損値を補完します。