Omgaan met missende waarden

Casestudy: Tijdreeksgegevens van een stad analyseren in R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Missende waarden

citydata

              pop
1980-01-01 562994
1981-01-01 564179
1982-01-01 565361
1983-01-01 565491
1984-01-01 566723
1985-01-01     NA
1986-01-01     NA
1987-01-01     NA
1988-01-01 570867
1989-01-01 572222
1990-01-01 574823

tijdreeks met missende waarden geplot

NAs vullen met laatste observatie

Laatste observatie doortrekken (LOCF)

citydata_locf <- na.locf(citydata)

plot.xts(citydata)
plot.xts(citydata_locf)

tijdreeks met missende waarden ingevuld met laatste observatie

NAs vullen met volgende observatie

Volgende observatie terugzetten (NOCB)

citydata_nocb <- na.locf(citydata, fromLast = TRUE)

plot.xts(citydata)
plot.xts(citydata_nocb)

tijdreeks met missende waarden ingevuld met volgende observatie teruggezet

Lineaire interpolatie

citydata_approx <- na.approx(citydata)

plot.xts(citydata)
plot.xts(citydata_nocb)

tijdreeks met missende waarden ingevuld met lineaire interpolatie

Laten we oefenen!

Casestudy: Tijdreeksgegevens van een stad analyseren in R