適切な補完方法は、手元のデータの種類に大きく依存します。どの方法も常に意味のある結果を返すわけではありません！
この演習では、動画レッスンで扱った3つの補完方法を、その特徴に最も合うカテゴリに分類します。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
時系列が何を表すのかという基礎、時系列データから要約統計量を取得する方法、そして分析の探索段階の一部として時系列プロットをどのように解釈するかを学びます。さらに、Rオブジェクト内で日付・時刻情報を扱う方法や、日付の一貫したフォーマットを組み込む方法も取り上げます。
この章では、データの期間やサンプリング頻度といった時系列の主要な属性を取得して、データ理解を深めます。さらに、時系列オブジェクトの作成と操作に役立つzooパッケージを紹介します。Rの多くのデータサイエンス実務ではデータフレームが使われるため、データフレームと時系列の相互変換方法も学びます。
関心のある特定の期間に焦点を当てるため、時系列からウィンドウを抽出する方法を扱います。実データでは、データセットの期間が必要以上に広く、可視化が煩雑になることがあります。ここでは、毎分・毎時・毎月・毎年など、さまざまなレートでのサンプリングを行います。さらに、データを集約することで、xtsパッケージを使って全体的なトレンドを把握する方法を学びます。また、データの補完（imputing）として、定数での埋め込み、LOCF、線形補間といった欠損値の補完手法も学びます。
現在の演習
時系列に対して“ローリング”するウィンドウを作成し、データに沿って移動させることで、時間を通じたトレンドを要約できるようにします。たとえば、連続する数か月の平均や、数週間にわたる売上の合計などです。平均・中央値・合計・最大値といった全期間の要約統計だけでは、時間による変化は見えにくいことがあり、ローリングウィンドウにより動的に統計量を計算できます。加えて、拡張ウィンドウの作成方法も学び、これらの要約統計量が最終的な値にどのように近づいていくかを確認します。
