Uzupełnianie brakujących danych szeregów czasowych

Imputacja danych szeregów czasowych wymaga specjalnego podejścia. Dane szeregów czasowych mają zwykle charakterystyczne cechy, takie jak trend, sezonowość i cykliczność – można je wykorzystać podczas uzupełniania brakujących wartości. W ramce danych airquality możesz zaobserwować te właściwości. Twoim celem jest imputacja wartości w taki sposób, aby uwzględnić te charakterystyki.

W tym ćwiczeniu spróbujesz użyć metody .fillna() do imputacji danych szeregów czasowych. Skorzystasz ze strategii wypełniania w przód i wypełniania wstecz.

1
- Uzupełnij brakujące wartości, korzystając z metody wypełniania w przód.

2
- Uzupełnij brakujące wartości, korzystając z metody wypełniania wstecz.

ćwiczenie

Uzupełnianie brakujących danych szeregów czasowych

Instrukcje 1/2

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje 1/2

ćwiczenie