问题是：我可以在数据分析之前删除某个id的所有行，因为它缺少数据吗？更具体地说，我将给出上下文和具体问题：
语境
我有一个从 1960 年到 2018 年的每日时间序列数据框，其中每次观察都是对与 133 条河流（id 是河流）相关的降水、温度和水位的测量。因此，对于每条河流，我将在 1960 年到 2018 年之间的特定日期、特定年份获得所需的所有测量值。我需要预测河流水位。
我做了这个缺失值图以获得一些见解（百分比越低，那一年该流量的数据越低）：
输入
为了删除或不删除缺失值（以及何时），该图中有三个与我有关的见解：
- 自 1960 年以来，每年都有越来越多的不同河流。
- 2018年有很多缺失数据（这是因为所有数据都停在当年的3月份）。
- 您有一些过去 35 年没有数据的河流（例如，图中的 83 到 87 条河流）。并且您有一些河流没有过去 10、5 或 2 年的数据（您可以在图中看到很多河流缺少 2017 年和 2018 年的数据）。
问题
我是否应该考虑所有河流数据进行预测，即使是那些没有过去 X 年数据的河流？因为没有过去 X 年的数据来预测明年是没有意义的（但我确实有 1980 年到 2000 年的数据）。如果我应该考虑它，我应该使用什么样的方法来预测，如果有的话？如果我不应该考虑它，我应该删除它吗？如果我应该删除它，我应该什么时候删除它？在数据分析之前还是之后进行预测？例如，在分析分布之前还是之后？（为了对河流进行分组以估算缺失值，因为它们具有不同的分布，但我可以找到一种对相似分布进行分组的方法）。在分析之前删除它们对我来说是有意义的，因为预测的噪音会更低，因为分析的数据将与预测的数据一致。
但是，如果我根本不删除它们，如果我想看一些整体分析，我会有更多的数据（即从 1960 年到 2018 年的趋势将是一个更具“代表性的趋势”）。之后删除，就预测（以及特征选择的洞察力）而言，它会增加噪音，因为用于分析的数据将不同于用于预测的数据（因为我将删除一些河流的完整数据）。
此外，我正在考虑假设如果河流没有过去 3 年的数据，那么测量河流的站就无法运行。但同样，如果该站无法运行，我是否应该考虑其数据以进行整体分析/洞察？