Заповнення пропусків у часових рядах
Імпутація часових рядів потребує спеціального підходу. Такі дані зазвичай мають характерні риси — тренд, сезонність і циклічність — які можна використати під час заповнення пропусків. У датафреймі airquality ви можете спостерігати ці особливості. Ваше завдання — імпутувати значення так, щоб ці характеристики було враховано.
У цій вправі ви спробуєте метод .fillna() для імпутації часових рядів. Ви застосуєте стратегії прямого заповнення (forward fill) і зворотного заповнення (backward fill).
Ця вправа є частиною курсу
Робота з пропущеними даними в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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])