處理遺漏值
在第 3 章，你使用過 na.locf()，以前一個非遺漏值來填補遺漏值。當不適合直接沿用前一個值時，你可以改用插值法。在這個練習中，你會探索兩種插值方法：線性插值與樣條插值。
線性插值會計算位於兩個已知資料點之間直線上的值。這對於趨勢相當線性的資料（例如具有明顯趨勢的時間序列）是很好的選擇。樣條插值更適合沒有明顯趨勢的序列，因為它會利用多個資料點進行非線性近似。
請用這兩種方法替物件 DGS10 中 10 年期美債利率的 3 個遺漏值進行插值，然後將結果與 na.locf() 的輸出做比較。
本練習屬於課程
在 R 匯入與管理金融資料
練習說明
- 補齊指令以使用
na.approx()，用線性插值填補遺漏值。 - 補齊指令以使用
na.spline()，用樣條插值填補遺漏值。 - 將
locf、approx與spline合併為一個名為na_filled的物件。 - 補齊指令以繪製
na_filled。
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。
# 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"))