Imputera med interpoleringsmetoden
Tidsseriedata har trender med upp- och nedgångar över tid. Därför är det inte lämpligt att fylla platta serier av värden med metoder som framåtfyllning eller bakåtfyllning. Ett mer passande alternativ är att använda metoder som linjär eller kvadratisk interpolering, där värdena fylls i med stigande eller sjunkande värden.
I den här övningen arbetar du med metoden .interpolate() på DataFrame-objektet airquality. Du använder metoderna linjär, kvadratisk och närmaste. En detaljerad lista över tillgängliga interpoleringsstrategier hittar du här.
Den här övningen är en del av kursen
Hantera saknade värden i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print prior to interpolation
print(airquality[30:40])
# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)
# Print after interpolation
print(airquality[30:40])