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
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])