重新索引为缺失值提供值而不是 NaN

Question

我想在缺少记录（或行）的情况下完成我的 % 湿度时间序列。传感器设计为每 15 分钟记录一次平均值，这就是我的目标频率。这是一个站点的示例（就差距而言不是最好的......），但我有 36 个测量站点、6 个参数和超过 24 000 条记录，每个都需要均质化。

例如，我选择日期时间和 % 湿度列：

humdt = data["la-salade"][["datetime","humidite"]]

               datetime  humidite
0   2019-07-09 08:30:00        87
1   2019-07-09 11:00:00        87
2   2019-07-09 17:30:00        82
3   2019-07-09 23:30:00        80
4   2019-07-11 06:15:00        79
5   2019-07-19 14:30:00        39

我将日期时间设置为索引：（到目前为止它有效）

humdt["datetime"] = pd.to_datetime(humdt["datetime"])
humdt = humdt.set_index("datetime",drop=True)

                     humidite
datetime
2019-07-09 08:30:00        87
2019-07-09 11:00:00        87
2019-07-09 17:30:00        82
2019-07-09 23:30:00        80
2019-07-11 06:15:00        79
2019-07-19 14:30:00        39

除此之外，我准备了一个符合我期望的日期时间范围（15 分钟的频率）：

date_rng = pd.period_range(start=debut, end=fin, freq='15min').strftime('%Y-%m-%d %H:%M:%S')
date_rng = pd.DataFrame(date_rng)
date_rng.columns = ["datetime"]

然后，我使用这个范围来重新索引我的湿度值（预计缺失时为 NaN）：

humdt = humdt.reindex(pd.DatetimeIndex(date_rng["datetime"]))

                     humidite
datetime
2019-07-09 08:30:00      87.0
2019-07-09 08:45:00      88.0
2019-07-09 09:00:00      88.0
2019-07-09 09:15:00      88.0
2019-07-09 09:30:00      89.0
2019-07-09 09:45:00      89.0
2019-07-09 10:00:00      88.0
2019-07-09 10:15:00      88.0
2019-07-09 10:30:00      88.0
2019-07-09 10:45:00      88.0
2019-07-09 11:00:00      87.0

因此，我不知从何处获得了湿度值……甚至没有经典的线性插值（例如：08H30 的 87% 和 11H00 的 87% 之间）。请帮帮我，我不知道发生了什么……（也尝试合并和重新采样，因为这里的行为不符合预期）。谢谢！

Answer 1

您可以将属性fill_value 添加到df.reindex。

humdt = humdt.reindex(pd.DatetimeIndex(date_rng["datetime"]), fill_value=np.nan)

这将用 NaN 填充新值