НачатьНачать бесплатно

Импутация с помощью метода interpolate

Временные ряды характеризуются тенденциями роста и спада значений. Поэтому заполнение пропусков «плоскими» значениями — например, методами прямого или обратного заполнения — здесь не подходит. Более подходящий способ — линейная или квадратичная интерполяция, при которой пропуски заполняются возрастающими или убывающими значениями.

В этом упражнении вы будете работать с методом .interpolate() применительно к DataFrame airquality. Вы опробуете линейный, квадратичный и ближайший методы. Подробный список доступных стратегий интерполяции можно найти здесь.

Это упражнение является частью курса

Работа с пропущенными данными в Python

Посмотреть курс

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Print prior to interpolation
print(airquality[30:40])

# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)

# Print after interpolation
print(airquality[30:40])
Редактировать и запускать код