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。
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!
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。