利用python对时间序列中缺失值进行线性插值

开门见山的说

时间序列每天对应一个数值点，但是有时候会有缺失值，比如：

2020-04-10 y=100

2020-04-12 y=120

这里4月11号的信息是缺失的，目标是对这个缺失值进行线性填值，得到：

2020-04-11 y=110

有时候，也有可能连续缺失几天信息，比如：

2020-04-10 y=100

2020-04-13 y=115

这样就需要填充两天，得到：

2020-04-11 y=105
2020-04-12 y=110

python解决方案

import pad=ndas as pd
d = pd.DataFrame()

d['date'] = ['2019-01-01', '2019-01-02', '2019-01-04', '2019-01-07', 
'2019-01-09', 
'2019-01-11']
d['val'] = [10, 20, 30, 40, 50, 30]
d['date'] = pd.to_datetime(d['date'])

上面的代码可以生成一个dataframe，如下：

下面我们需要生成一个辅助dataframe，包含从2019-01-01到2019-01-11的所有日期。然后再将helper和d join起来

helper = pd.DataFrame({'date': pd.date_range(d['date'].min(), d['date'].max())})

d = pd.merge(d, helper, on='date', how='outer').sort_values('date')

现在得到的d是

最后一步就是插值了，直接用interpolate方法，method选择linear，线性

d['val'] = d['val'].interpolate(method='linear')

插值完成后的d如下：

cookies

1. 假如你的时间不是按照天来填充，而且按照小时来插值的话，helper则需要进行更改

helper = pd.DataFrame({'date': pd.date_range(d['date'].min(), d['date'].max(), freq='H')})

这里的freq参数就是生成时间区间精确的位数

2. 插值选择方法不止有线性，还可以是

   nearest：最邻近插值法

   zero：阶梯插值

   slinear、linear：线性插值

   quadratic、cubic：2、3阶B样条曲线插值（详情请参考官方文档）