Omgaan met missende waarden

Om missende waarden in je tijdreeksgegevens te vervangen, kun je het volgende commando gebruiken:

df = df.fillna(method="ffill")

waarmee je met het argument aangeeft welke methode je wilt gebruiken. Als je bijvoorbeeld bfill (backfilling) opgeeft, worden missende waarden vervangen door de eerstvolgende geldige observatie, terwijl ffill (forward-filling) ervoor zorgt dat missende waarden worden vervangen door de laatst bekende geldige observatie.

Herinner je uit de vorige oefening dat co2_levels 59 missende waarden heeft.

Deze oefening maakt deel uit van de cursus

Tijdreeksen visualiseren in Python

Cursus bekijken

Oefeninstructies

Imputeer deze missende waarden in co2_levels met backfilling.
Print het totale aantal missende waarden.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Impute missing values with the next valid observation
co2_levels = co2_levels.____(method=____)

# Print out the number of missing values
____(____.____())

Code bewerken en uitvoeren