使用下一个和上一个值填充时间序列中的缺失值
Filling Missing Values in a Time Series with Next and Prev Values
我正在尝试填充时间序列的缺失值，如下所示。我正在使用 Python3。
Week Rainfall(cm)
1 1
2 NaN
3 9
4 10
5 11
6 NaN
7 NaN
8 14
我不想用平均值填充缺失值。如果我手动输入并填写 NaN 值，我可能会猜测第 2 周的降雨量为 5 厘米，第 6 周和第 7 周的降雨量分别为 12 厘米和 13 厘米。
我想让第 2 周如此，该值是第 1 周（1 厘米降雨量）和第 3 周（9 厘米降雨量）的平均值。 （例如，第 2 周降雨量为 5 厘米）。
不过这有点复杂...
在第 6 周和第 7 周，我想用 12 和 13 填充 NaN 值，因为如果你要在第 5 周（11 厘米降雨量）和第 8 周（14 厘米降雨量）之间画一条线) 您预计第 6 周和第 7 周的降雨量将分别为 12 厘米和 13 厘米。
有人能想出一种方法来按照我上面描述的方式填充 NaN 值吗？在过去的几个小时里，我一直在谷歌搜索这个问题，但似乎找不到任何东西。
你好像指的是linear interpolation的过程。如果 rf 是您的 DataFrame：
rf.interpolate()
Week Rainfall(cm)
0 1 1.0
1 2 5.0
2 3 9.0
3 4 10.0
4 5 11.0
5 6 12.0
6 7 13.0
7 8 14.0
我正在尝试填充时间序列的缺失值，如下所示。我正在使用 Python3。
Week Rainfall(cm)
1 1
2 NaN
3 9
4 10
5 11
6 NaN
7 NaN
8 14
我不想用平均值填充缺失值。如果我手动输入并填写 NaN 值，我可能会猜测第 2 周的降雨量为 5 厘米，第 6 周和第 7 周的降雨量分别为 12 厘米和 13 厘米。
我想让第 2 周如此，该值是第 1 周（1 厘米降雨量）和第 3 周（9 厘米降雨量）的平均值。 （例如，第 2 周降雨量为 5 厘米）。
不过这有点复杂...
在第 6 周和第 7 周，我想用 12 和 13 填充 NaN 值，因为如果你要在第 5 周（11 厘米降雨量）和第 8 周（14 厘米降雨量）之间画一条线) 您预计第 6 周和第 7 周的降雨量将分别为 12 厘米和 13 厘米。
有人能想出一种方法来按照我上面描述的方式填充 NaN 值吗？在过去的几个小时里，我一直在谷歌搜索这个问题，但似乎找不到任何东西。
你好像指的是linear interpolation的过程。如果 rf 是您的 DataFrame：
rf.interpolate()
Week Rainfall(cm)
0 1 1.0
1 2 5.0
2 3 9.0
3 4 10.0
4 5 11.0
5 6 12.0
6 7 13.0
7 8 14.0