Obsługa brakujących wartości
W rozdziale 3 używałeś(-aś) na.locf() do wypełniania brakujących wartości poprzednią dostępną wartością. Kiedy takie podejście nie jest odpowiednie, można sięgnąć po interpolację. W tym ćwiczeniu poznasz dwie metody interpolacji: liniową i sklejanych funkcji wielomianowych (spline).
Interpolacja liniowa wyznacza wartości leżące na prostej między dwoma znanymi punktami danych. To dobry wybór dla danych o wyraźnym trendzie liniowym. Interpolacja splajnami lepiej sprawdza się w przypadku szeregów bez silnego trendu – oblicza nieliniowe przybliżenie na podstawie wielu punktów danych.
Użyj obu metod, aby uzupełnić trzy brakujące wartości 10-letniej stopy obligacji skarbowych w obiekcie DGS10. Następnie porównaj wyniki z rezultatem na.locf().
To ćwiczenie jest częścią kursu
Importowanie i zarządzanie danymi finansowymi w R
Instrukcje do ćwiczenia
- Uzupełnij polecenie, aby użyć
na.approx()do wypełnienia brakujących wartości metodą interpolacji liniowej. - Uzupełnij polecenie, aby użyć
na.spline()do wypełnienia brakujących wartości metodą interpolacji splajnami. - Połącz obiekty
locf,approxisplinew jeden obiekt o nazwiena_filled. - Uzupełnij polecenie, aby wykreślić
na_filled.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# fill NA using last observation carried forward
locf <- na.locf(DGS10)
# fill NA using linear interpolation
approx <- ___(DGS10)
# fill NA using spline interpolation
spline <- ___(DGS10)
# merge into one object
# plot combined object
___(___, col = c("black", "red", "green"))