处理缺失值
在第 3 章中，您使用过 na.locf() 将缺失值填充为前一个非缺失值。当不适合向前沿用前一个值时，可以使用插值法。在本练习中，您将探索两种插值方法：线性插值与样条插值。
线性插值会在两个已知数据点之间的直线上计算中间值。它适用于近似线性的数据，例如具有明显趋势的序列。样条插值更适用于没有强烈趋势的序列，因为它会利用多个数据点进行非线性近似。
请使用这两种方法为对象 DGS10 中 10 年期国债利率的 3 个缺失值进行插值。然后将结果与 na.locf() 的输出进行比较。
本练习是课程的一部分
在 R 中导入与管理金融数据
练习说明
- 补全命令，使用
na.approx()通过线性插值填补缺失值。 - 补全命令，使用
na.spline()通过样条插值填补缺失值。 - 将
locf、approx和spline合并为一个名为na_filled的对象。 - 补全命令以绘制
na_filled。
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 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"))