Zaman serisindeki eksik verileri doldurma
Zaman serisi verilerini imput etmek özel bir yaklaşım gerektirir. Zaman serileri genellikle eğilim (trend), mevsimsellik ve döngüsellik gibi özelliklerle gelir; veri içindeki eksik değerleri tamamlarken bu özelliklerden yararlanabiliriz. Bu özellikleri airquality DataFrame'inde gözlemleyebilirsin. Amacın, bu özellikleri dikkate alacak şekilde değerleri imput etmek.
Bu egzersizde, zaman serisi verilerini imput etmek için .fillna() metodunu kullanmayı deneyeceksin. Zaman serisi verileri için forward fill ve backward fill stratejilerini kullanacaksın.
Bu egzersiz, kursun bir parçasıdır
Python'da Eksik Verilerle Çalışma
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Print prior to imputing missing values
print(airquality[30:40])
# Fill NaNs using forward fill
airquality.___(___, inplace=True)
# Print after imputing missing values
print(airquality[30:40])