Obsługa brakujących danych

Studium przypadku: analiza danych szeregów czasowych miasta w R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Brakujące dane

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

dane szeregu czasowego z brakującymi wartościami

Wypełnianie NA ostatnią obserwacją

Przeniesienie ostatniej obserwacji w przód (LOCF)

citydata_locf <- na.locf(citydata)

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

dane szeregu czasowego z brakami wypełnionymi metodą LOCF

Wypełnianie NA następną obserwacją

Przeniesienie następnej obserwacji wstecz (NOCB)

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

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

dane szeregu czasowego z brakami wypełnionymi metodą NOCB

Interpolacja liniowa

citydata_approx <- na.approx(citydata)

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

dane szeregu czasowego z brakami wypełnionymi interpolacją liniową

Czas na ćwiczenia!

Studium przypadku: analiza danych szeregów czasowych miasta w R