在分析資料時，應特別留意是否存在較長且連續的缺資料時段，因為這會影響你的結果。
雖然你可以填補欄位中的遺漏資料，但前面的作法無法顯示某段時間是否完全沒有資料。
在本練習中，你將搜尋沒有資料的時間區段，並嘗試用折線圖把它們視覺化找出來。
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Calculate and print NA count print(data.____().____())
在本章中，你會先瞭解什麼是 IoT 資料。 接著，你會學習如何透過 REST API 取得 IoT 資料，並使用 MQTT 資料串流即時蒐集資料。
在第二章中，你會回頭檢視第一章所蒐集的資料。你會將資料視覺化，並學到在處理資料串流時時間戳記的重要性。你也會在 MQTT 資料串流上實作快取。
當前練習
在本章中，你將合併多個不同時間間隔的資料來源。 然後，你會分析資料以偵測關聯性、離群值與趨勢。
在最後一章中，你會使用前幾章分析過的資料來建立機器學習 pipeline。接著你會學習如何把這個 pipeline 實作到資料串流中，以進行即時預測。