補齊遺漏的時間序列資料

對時間序列資料進行插補需要特別的處理。時間序列通常具有趨勢（trend）、季節性（seasonality）與循環性（cyclicality）等特性，我們可以在插補遺漏值時加以利用。在 airquality DataFrame 中，你可以觀察到這些特性。你的目標是以能兼顧這些特性的方式來插補數值。

在這個練習中，你將嘗試使用 .fillna() 方法來插補時間序列資料。你會使用 forward fill 與 backward fill 兩種策略來處理時間序列的遺漏值。