处理缺失值

案例研究：在 R 中分析城市时间序列数据

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

缺失性

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

绘制的时间序列数据（含缺失值）

用上一个观测填充 NA

向前填充：上一个观测（LOCF）

citydata_locf <- na.locf(citydata)

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

时间序列：用上一个观测向前填充缺失值

用下一个观测填充 NA

向后填充：下一个观测（NOCB）

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

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

时间序列：用下一个观测向后填充缺失值

线性插值

citydata_approx <- na.approx(citydata)

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

时间序列：用线性插值填充缺失值

开始练习！

案例研究：在 R 中分析城市时间序列数据