Python時間序列缺失值如何處理

這篇文章給大家分享的是有關Python時間序列缺失值如何處理的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

時間序列缺失值處理

一、編程前準備

收集時間序列數據，相信看這篇博客的各位已經完成了這步。

需要安裝pandas模塊，并利用Python的Lib文件夾自帶的datetime庫（當時我因為在Pycharm環境中沒看到datetime模塊又去安裝了DateTime模塊并看了DateTime英文文檔，發現這個對象的參數并不能滿足時間序列缺失填充的需求，所以又下了datetime2模塊，在import  datetime2時發現Python自帶datetime庫，血虐啊，真是對菜鳥不要太善良）。

二、編程與講解

因為我的數據不是普遍形式的時間序列形式，而下面程序是我按普遍形式時間序列數據改編的，與我數據不適用，所以可能存在問題，但是程序所用步驟和程序原理都是與原程序相同，對于初步接觸的同行具有一定的借鑒和參考意義。

import pandas as pd
import datetime
def load_Data():
  #加載數據
  df0 = pd.read_csv("Path/power.csv",index_col='user_id')
  df0['record_date'] = pd.to_datetime(df0['record_date'])
  return df0
 
#把datetime轉成字符串
def datetime_toString(dt):
  return dt.strftime("%Y-%m-%d")
 
#把字符串轉成datetime
def string_toDatetime(string):
  return datetime.strptime(string, "%Y-%m-%d")
 
#缺失值處理，插值替換
def data_Full():
  df1 = load_Data()  #加載數據
  date_start = df1.iloc[0, 0] #初始時間
  df1_date = df1['record_date'].tolist() #數據日期轉為列表
  df1_data = df1[ 'value'].tolist()  #數據值轉為列表
  act = 365    #實際期望日期序列長度
  for j in range(0, len(df1_date)):
    if len(df1_date) < act:
      date0 = date_start
      date_s = datetime_toString(date0)  #日期轉換為字符串類型，使日期可進行邏輯比較
      date_i = df1_date[j]  #順序選取數據中日期列表里對應各日期
      date_is = datetime_toString(date_i)
      while date_is != date_s:  #如數據中日期列表與期望日期序列不相等，即存在缺失值執行while程序
        nada = (df1_data[j] + df1_data[j+1]) / 2  #計算缺失處左右相鄰插值
        adda = [date0, nada]  
        date_da = pd.DataFrame(adda).T
        date_da.columns = df1.columns
        df1 = pd.concat([df1, date_da]) #將缺失日期加入數據列表中
        date0 += datetime.timedelta(days=1) #日期加一
        date_s = datetime_toString(date0)  #日期字符串轉日期時間類型
      date0 += datetime.timedelta(days=1) #日期加一
      date_s = datetime_toString(date0)  #日期字符串轉日期時間類型
  df1 = df1.sort_values(by=['record_date'])
  return df1

感謝各位的閱讀！關于“Python時間序列缺失值如何處理”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！