替换缺失数据 - II
与时间序列数据处理的多数方面一样，处理缺失值有很多方法。正如您在上一个练习中所见，locf 和 nocb 方法都要求您对数据的增长模式做出一定假设。locf 更保守，nocb 更激进，但二者都会从缺失数据生成阶梯式增长。
不过，如果您有理由认为数据呈线性增长呢？此时，使用线性插值可能更合适。它会在缺失值两端的已知数据之间，根据时间加权生成新的数值。
在本练习中，您将使用 na.approx() 命令，对 gdp_xts 中的缺失值进行插值填补，以估计时间上的线性数值。
本练习是课程的一部分
案例研究：在 R 中分析城市时间序列数据
练习说明
- 使用
na.approx()对gdp_xts的缺失值进行线性插值，并将结果保存为gdp_approx。 - 使用
plot.xts()绘制新 xts 对象的图。 - 在新 xts 对象中查询 1993 年的 GDP。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Fill NAs in gdp_xts using linear approximation
gdp_approx <-
# Plot your new xts object
plot.xts(___, major.format = "%Y")
# Query for GDP in 1993 in gdp_approx