interpolate 메서드로 결측치 대치하기
시계열 데이터는 시간에 따라 상승과 하락의 추세를 보입니다. 이런 경우 값이 변하지 않고 이어지는 방식의 forward fill이나 backward fill은 적절하지 않을 수 있어요. 대신 선형(linear)이나 이차(quadratic) 보간처럼 값이 점진적으로 증가하거나 감소하도록 채우는 방법이 더 알맞습니다.
이 연습 문제에서는 airquality 데이터프레임에 대해 .interpolate() 메서드를 사용해 보겠습니다. 선형(linear), 이차(quadratic), 그리고 최근접(nearest) 방법을 사용해 볼 거예요. 보간에 사용할 수 있는 상세한 전략 목록은 여기에서 확인할 수 있습니다.
이 연습은 강의의 일부입니다
Python에서 결측치 다루기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Print prior to interpolation
print(airquality[30:40])
# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)
# Print after interpolation
print(airquality[30:40])