Опрацювання пропущених значень

У розділі 3 ви використовували na.locf(), щоб заповнювати пропущені значення попереднім непорожнім значенням. Інтерполяція стане в пригоді, коли переносити попереднє значення недоречно. У цій вправі ви дослідите два методи інтерполяції: лінійний і сплайновий.

Лінійна інтерполяція обчислює значення на прямій між двома відомими точками даних. Це вдалий вибір для майже лінійних даних, наприклад для рядів із виразним трендом. Інтерполяція сплайнами більш доречна для рядів без сильного тренду, адже вона обчислює нелінійне наближення з використанням кількох точок даних.

Застосуйте ці два методи, щоб інтерполювати три пропущені значення для ставки 10-річних казначейських облігацій у об'єкті DGS10. Потім порівняйте результати з виведенням na.locf().

Ця вправа є частиною курсу

Імпорт і керування фінансовими даними в R

Переглянути курс

Інструкції до вправи

Доповніть команду, щоб використати na.approx() для заповнення пропущених значень лінійною інтерполяцією.
Доповніть команду, щоб використати na.spline() для заповнення пропущених значень інтерполяцією сплайнами.
Об'єднайте locf, approx і spline в один об'єкт із назвою na_filled.
Доповніть команду для побудови графіка na_filled.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# fill NA using last observation carried forward
locf <- na.locf(DGS10)

# fill NA using linear interpolation
approx <- ___(DGS10)

# fill NA using spline interpolation
spline <- ___(DGS10)

# merge into one object


# plot combined object
___(___, col = c("black", "red", "green"))

Редагувати та запускати код