Lección 5 del curso Series de Tiempo: Pre-procesamiento.
En la lección anterior vimos cuáles son y cómo detectar los diferentes tipos de datos faltantes en Series de Tiempo.
Así que en esta lección nos enfocaremos en el primer conjunto de técnicas enfocadas en el manejo de marcas de tiempo faltantes, es decir cuando la variable temporal de nuestra Serie de Tiempo contiene valores incompletos.
El manejo de las marcas de tiempo faltantes es el primer paso que siempre debemos llevar a cabo antes de, por ejemplo, realizar el manejo de observaciones faltantes. Esto se debe a que sin la variable temporal completa no podremos posteriormente realizar las demás tareas de pre-procesamiento de la serie.
Además, es importante tener en cuenta que para realizar un manejo adecuado de datos faltantes (sean marcas de tiempo u observaciones) es esencial tener un conocimiento detallado de los datos que estamos procesando. Sin este conocimiento no sabremos qué decisión tomar en cada caso particular al momento de realizar el manejo.
Veamos entonces cómo realizar el manejo de marcas de tiempo faltantes:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, en esencia existen dos técnicas para realizar el manejo de marcas de tiempo faltantes: eliminar los registros que contienen dichas marcas o intentar completar esas marcas faltantes.
Cuando elegimos completar las marcas faltantes debemos primero determinar si se trata de marcas de tiempo etiquetadas como “NaT” en Pandas o si se trata de marcas “ocultas” y dependiendo de esto podremos optar por alternativas como la definición de un nuevo índice para la Serie de Tiempo o el uso de re-indexación.
Así que en este punto ya tenemos claras las técnicas que podemos usar para el manejo de marcas de tiempo faltantes y por tanto ya podemos enfocarnos ahora sí en las técnicas que nos permiten realizar el manejo de observaciones faltantes.
Entonces en la próxima lección nos enfocaremos en la primera y más sencilla de todas estas técnicas. Hablaremos de la imputación univariada.
Todas las lecciones del curso Series de Tiempo: Preprocesamiento