选择合适的缺失值填补方法高度依赖于您的数据类型；并非所有方法都能在所有场景下产生有意义的结果！
在本练习中，您将把视频课中介绍的 3 种缺失值填补方法归类到最合适的应用场景。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
您将学习时间序列所表示内容的基础知识，了解如何获取时间序列数据的汇总统计，并在分析的探索阶段学会如何解读时间序列图。您还将学习如何在 R 对象中管理日期和时间信息，以及为日期应用一致格式的方法。
在这里，您将学习获取时间序列的关键属性，例如数据所覆盖的时间范围以及采样频率，以便更好地理解数据。您还将接触 zoo 包，它提供了创建与操作时间序列对象的工具和函数。许多 R 中的数据科学应用采用数据框范式；您将学习如何在数据框与时间序列之间进行转换。
您将学习如何从时间序列中截取一个窗口，以便聚焦于特定时间段。实际的时间序列数据往往覆盖的时间跨度超出需求，可能使可视化变得杂乱。您将按不同频率对时间序列进行采样，例如每分钟、每小时、每月或每年。进一步地，通过聚合数据，您将使用 xts 包把握数据的整体趋势。您还将学习"插补"数据的方法——用常数填充、LOCF 或线性插值来填补缺失值。
当前练习
您将学习创建会随数据移动的"滚动"窗口，从而能够跨时间概括数据趋势，例如连续数月的平均值或数周销量的总和。整体汇总统计（如均值、中位数、总和、最大值等）并不总能反映数据随时间的变化，而滚动窗口可用于动态计算统计量。除滚动窗口外，您还将学习创建扩展窗口，用于展示这些汇总统计如何逐步逼近其最终值。
