这篇文章给大家分享的是有关Python时间序列缺失值如何处理的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
时间序列缺失值处理
一、编程前准备
收集时间序列数据，相信看这篇博客的各位已经完成了这步。
需要安装pandas模块，并利用Python的Lib文件夹自带的datetime库（当时我因为在Pycharm环境中没看到datetime模块又去安装了DateTime模块并看了DateTime英文文档，发现这个对象的参数并不能满足时间序列缺失填充的需求，所以又下了datetime2模块，在import datetime2时发现Python自带datetime库，血虐啊，真是对菜鸟不要太善良）。
二、编程与讲解
因为我的数据不是普遍形式的时间序列形式，而下面程序是我按普遍形式时间序列数据改编的，与我数据不适用，所以可能存在问题，但是程序所用步骤和程序原理都是与原程序相同，对于初步接触的同行具有一定的借鉴和参考意义。
计算
安全
数据库
网络和加速
企业服务
import pandas as pd
import datetime
def load_Data():
#加载数据
df0 = pd.read_csv("Path/power.csv",index_col='user_id')
df0['record_date'] = pd.to_datetime(df0['record_date'])
return df0
#把datetime转成字符串
def datetime_toString(dt):
return dt.strftime("%Y-%m-%d")
#把字符串转成datetime
def string_toDatetime(string):
return datetime.strptime(string, "%Y-%m-%d")
#缺失值处理，插值替换
def data_Full():
df1 = load_Data() #加载数据
date_start = df1.iloc[0, 0] #初始时间
df1_date = df1['record_date'].tolist() #数据日期转为列表
df1_data = df1[ 'value'].tolist() #数据值转为列表
act = 365 #实际期望日期序列长度
for j in range(0, len(df1_date)):
if len(df1_date) < act:
date0 = date_start
date_s = datetime_toString(date0) #日期转换为字符串类型，使日期可进行逻辑比较
date_i = df1_date[j] #顺序选取数据中日期列表里对应各日期
date_is = datetime_toString(date_i)
while date_is != date_s: #如数据中日期列表与期望日期序列不相等，即存在缺失值执行while程序
nada = (df1_data[j] + df1_data[j+1]) / 2 #计算缺失处左右相邻插值
adda = [date0, nada]
date_da = pd.DataFrame(adda).T
date_da.columns = df1.columns
df1 = pd.concat([df1, date_da]) #将缺失日期加入数据列表中
date0 += datetime.timedelta(days=1) #日期加一
date_s = datetime_toString(date0) #日期字符串转日期时间类型
date0 += datetime.timedelta(days=1) #日期加一
date_s = datetime_toString(date0) #日期字符串转日期时间类型
df1 = df1.sort_values(by=['record_date'])
return df1感谢各位的阅读！关于“Python时间序列缺失值如何处理”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
