标题: “06 - 处理缺失数据” 权重: 08
我们已经讨论了什么是缺失值以及为什么处理它们很重要。到目前为止，我们一直在处理时间戳。现在，我们将处理其他属性中的缺失值。
我们可以将 duration 特征排除在此操作之外，因为它是在之前的步骤中从时间戳计算出来的。正如我们之前讨论的，有几种方法来处理缺失数据:填充一个静态数字或计算一个正确的值(例如:最近7天的中位数或平均值)。如果我们的时间序列表示连续的过程，如传感器读数或产品销售数量，计算一个值可能是有意义的。在我们的例子中，所有的行程都是独立的，我们无法根据之前的行程计算值，因为这可能会带来数据偏差并增加错误。我们可以用零替换缺失值，有时也可能有意义删除整个包含缺失值的行。
Data Wrangler有两种转换来处理缺失数据:i)通用的和ii)专门为时间序列数据设计的。在这里，我们演示如何使用这两种转换，并描述何时使用每种转换。
如果我们想要:
可以使用这种转换。 按照以下步骤创建此转换:
PULocationID、tip_amount 和 total_amount。当应用此转换到数据集时，我们可以看到到目前为止的所有当前步骤，并获得结果数据集的预览。
在实际的数据集中，我们在同一个数据集中有许多时间序列，为了将它们分开，我们使用某种形式的ID。例如，传感器ID或商品SKU。如果我们想用计算出的值(例如，最近10个传感器观测值的平均值)来替换缺失值，我们必须基于每个时间序列独立的数据来计算。与其编写代码，不如使用Data Wrangler中的特殊时间序列转换，这样就可以轻松完成!
按照以下步骤创建此转换:
trip_distance。tpep_pickup_datetime。PULocationID。当应用此转换到数据集时，我们可以看到到目前为止的所有当前步骤，并获得结果数据集的预览。
返回到数据流编辑器窗口。