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
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.___(___='___')