시계열 결측치 시각화

Python에서 결측치 다루기

Suraj Donthi

Deep Learning & Computer Vision Learning

공기질 시계열 그래프

airquality['Ozone'].plot(title='Ozone', marker='o', figsize=(30, 5))

공기질 데이터셋의 시계열 그래프

전방 채우기(FFill) 대치

ffill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))

airquality['Ozone'].plot(title='Ozone', marker='o')

전방 채우기된 공기질 데이터셋의 시계열 그래프

후방 채우기(BFill) 대치

bfill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

후방 채우기된 공기질 데이터셋의 시계열 그래프

선형 보간

linear_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

선형 보간 공기질 데이터셋의 시계열 그래프

이차 보간

quadratic_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

이차 보간 공기질 데이터셋의 시계열 그래프

최근접 보간

nearest_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

최근접 보간 공기질 데이터셋의 시계열 그래프

보간 기법 비교

# Create subplots
fig, axes = plt.subplots(3, 1, figsize=(30, 20))

# Create interpolations dictionary
interpolations = {'Linear Interpolation': linear_interp, 
                         'Quadratic Interpolation': quadratic_interp, 
                         'Nearest Interpolation': nearest_interp}

# Visualize each interpolation
for ax, df_key in zip(axes, interpolations):
            interpolations[df_key].Ozone.plot(color='red', marker='o', 
                                              linestyle='dotted', ax=ax)
            airquality.Ozone.plot(title=df_key + ' - Ozone', marker='o', ax=ax)

보간 기법 비교

보간된 공기질 데이터프레임 비교

대치 기법 비교

모든 대치 공기질 데이터셋 비교

요약

대치된 데이터프레임 시계열 그래프
대치 기법 비교

연습해 봅시다!

Python에서 결측치 다루기