处理 pandas python 中的缺失数据

Question

我有一个以 x 和 y 作为列名的时间序列数据框。在我的数据框中，y 是不完整的系列，x 是完整的系列。我试图在 x 和 y 之间拟合线性回归模型。我的意图是通过使用这个模型来填补数据空白。我的示例代码是：

import statsmodels.formula.api as sm
result = sm.ols(formula="y ~ x", data=df_rg).fit()
df_rg['y'][df_rg['y'].fillna(predict(df_rg['x'])

其中 df_rg 是我的数据框，以日期时间为索引。

我的数据框看起来像：

date         x          y
1957-07-31  18.845161   NaN
1957-08-31  18.080645   NaN
1957-09-30  16.156667   NaN
1957-10-31  12.324194   NaN
1957-11-30  8.948333    NaN
1957-12-31  6.253226    NaN
.............................
.............................
2015-03-31  8.316129    20.088710
2015-04-30  10.408333   22.203333
2015-05-31  14.832258   25.258065
2015-06-30  16.815000   26.453333
2015-07-31  18.141935   26.835484
2015-08-31  18.450000   26.637097
2015-09-30  17.016667   26.513333
2015-10-31  11.898387   22.906452
2015-11-30  9.133333    19.376667
2015-12-31  5.366129    14.441935

Answer 1

也许使用不带 NA 值的数据框进行拟合，使用 pandas.DataFrame.dropna?

import statsmodels.formula.api as sm
result = sm.ols(formula="y ~ x", data=df_rg.dropna()).fit()
df_rg['y'] = df_rg['y'].fillna(predict(df_rg['x']))

处理 pandas python 中的缺失数据

working with missing data in pandas python

python

pandas

statsmodels