替换和估算时间序列中的缺失数据答案

【问题标题】：replace and imputing missing data in time series替换和估算时间序列中的缺失数据
【发布时间】：2021-07-29 18:03:11
【问题描述】：

我的时间序列数据在某些日期和时间有缺失值我想要一种考虑天数的插补方法，例如，如果星期一下午 1 点我丢失了数据，我将同时用上星期一的相同记录（数据）替换它。

如果有人可以帮助我，我将不胜感激，这是我拥有的数据格式的摘录：

date                        total   hour
2021-02-09 10:00:00         102.0   10
2021-02-09 11:00:00         175.0   11
2021-02-09 12:00:00         234.0   12
2021-02-09 13:00:00         272.0   13
2021-02-09 14:00:00         117.0   14
2021-02-09 15:00:00         300.0   15
2021-02-10 10:00:00                 10
2021-02-10 11:00:00         200.0   11

【问题讨论】：

您的示例显示没有丢失数据？还有，什么语言？
是的，我只展示了数据的摘录，它是 python
我的意思是，如果您的示例包含缺少数据，这可能会很好，本质上是一个minimal reproducible example。此外，您可能想添加一些您试图解决此问题的内容。
我已经修改了例子

标签： python dataframe datetime time-series missing-data

【解决方案1】：

您可以将当前值替换为上周一的值：

curTime="2021-02-10 10:00:00"
curIndex = df["date"]==curTime
df.loc[curIndex] = df.loc[curIndex].replace(np.nan, prevValue)

另外，我想给大家介绍一些方法：

熊猫，fillna 函数。您可以使用 method="ffill" 或 "bfill" 或组合它们。时间序列比一般数据更适合后向/前向插补。
statsmodels，为时间序列设计的著名包。分析时间序列的经典方法有很多。

【讨论】：