interpolate メソッドで補完する
時系列データは、時間に沿って上下のトレンドがあります。そのため、forward fill や backward fill のように一定の値を埋め続ける方法は適していません。代わりに、値が増減していくように埋める線形や二次の補完といった手法のほうが適切です。
この演習では、airquality データフレームに対して .interpolate() メソッドを使います。線形(linear)、二次(quadratic)、最近傍(nearest)を試します。補間に使える戦略の詳細な一覧はこちらをご覧ください。
この演習はコースの一部です
Pythonで欠損データに対処する
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Print prior to interpolation
print(airquality[30:40])
# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)
# Print after interpolation
print(airquality[30:40])