開始使用免費開始

視覺化向後填補(backward fill)插補

要判斷插補品質,重要的是分析插補結果相對於原始資料集的變化。最快的方法就是把插補結果視覺化。

在上一個練習中,你已經將 airquality DataFrame 的時間序列向前填補結果視覺化。這個練習中,你要將 airquality DataFrame 的向後填補結果視覺化。

本練習屬於課程

在 Python 中處理遺漏值

檢視課程

動手互動練習

試著完成這個範例程式碼,體驗一下這個練習。

# Impute airquality DataFrame with bfill method
bfill_imputed = airquality.___(___='___')
編輯並執行程式碼