使用 interpolate 方法进行插补
时间序列数据会随时间呈现上升或下降的趋势。因此,像前向填充或后向填充这类将缺失值用恒定序列填补的方法并不合适。更合适的做法是使用线性或二次等插值方法,以递增或递减的数值来填补缺口。
在本练习中,您将对 airquality DataFrame 使用 .interpolate() 方法。您会尝试 linear、quadratic 和 nearest 三种方法。关于插值策略的完整列表,您也可以在此处查阅详细文档:here。
本练习是课程的一部分
在 Python 中处理缺失数据
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Print prior to interpolation
print(airquality[30:40])
# Interpolate the NaNs linearly
airquality.interpolate(___, inplace=True)
# Print after interpolation
print(airquality[30:40])