如何处理时间序列的缺失数据

您是否应该删除、插入或估算？

世界上没有完美的数据集。每个数据科学家在数据探索过程中都会有这样的感觉：

df.info()

看到类似这样的内容：

大多数 ML 模型无法处理 NaN 或空值，因此如果您的特征或目标包含这些值，则在尝试将模型拟合到数据之前对它们进行适当处理非常重要。

在本文中，我将探讨处理时间序列数据集中的空值/缺失数据的 3 种简单方法。

1. 删除空值

这可能是处理缺失数据最简单、最直接的方法：将其删除。

# 删除所有列中