開門見山的說
時間序列每天對應一個數值點，但是有時候會有缺失值，比如：
2020-04-10 y=100
2020-04-12 y=120
這里4月11號的信息是缺失的，目標是對這個缺失值進行線性填值，得到：
2020-04-11 y=110
有時候，也有可能連續缺失幾天信息，比如：
2020-04-10 y=100
2020-04-13 y=115
這樣就需要填充兩天，得到：
2020-04-11 y=105
2020-04-12 y=110
python解決方案
import pad=ndas as pd
d = pd.DataFrame()
d['date'] = ['2019-01-01', '2019-01-02', '2019-01-04', '2019-01-07',
'2019-01-09',
'2019-01-11']
d['val'] = [10, 20, 30, 40, 50, 30]
d['date'] = pd.to_datetime(d['date'])
上面的代碼可以生成一個dataframe，如下：
下面我們需要生成一個輔助dataframe，包含從2019-01-01到2019-01-11的所有日期。然后再將helper和d join起來
helper = pd.DataFrame({'date': pd.date_range(d['date'].min(), d['date'].max())})
d = pd.merge(d, helper, on='date', how='outer').sort_values('date')
現在得到的d是
最后一步就是插值了，直接用interpolate方法，method選擇linear，線性
d['val'] = d['val'].interpolate(method='linear')
插值完成后的d如下：
cookies
- 假如你的時間不是按照天來填充，而且按照小時來插值的話，helper則需要進行更改
helper = pd.DataFrame({'date': pd.date_range(d['date'].min(), d['date'].max(), freq='H')})
這里的freq參數就是生成時間區間精確的位數
-
插值選擇方法不止有線性，還可以是
nearest：最鄰近插值法
zero：階梯插值
slinear、linear：線性插值
quadratic、cubic：2、3階B樣條曲線插值（詳情請參考官方文檔）