按以前的增量在 Pandas 中自动填充日期时间答案

【问题标题】：Autofill datetime in Pandas by previous increment按以前的增量在 Pandas 中自动填充日期时间
【发布时间】：2021-06-27 01:22:22
【问题描述】：

鉴于 Pandas DataFrame 中以前的日期时间值（作为索引或列中的值），有没有办法根据以前的固定增量“自动填充”剩余时间增量？

例如，给定：

import pandas as pd
import numpy as np    
df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]},
                      index = [pd.Timestamp('20130101 09:00:00'),
                               pd.Timestamp('20130101 09:00:05'),
                               pd.Timestamp('20130101 09:00:10'),
                               np.nan,
                               np.nan])

我想应用一个函数来产生：

	B
2013-01-01 09:00:00	0.0
2013-01-01 09:00:05	1.0
2013-01-01 09:00:10	2.0
2013-01-01 09:00:15	NaN
2013-01-01 09:00:20	4.0

我缺少最后两个数据点的时间步长。在这里，时间步长固定为 5 秒增量。

这将用于数千行。虽然我可能会 reset_index 然后创建一个应用于每一行的函数，但这似乎很麻烦。有没有我找不到的巧妙或内置的方法来做到这一点？

【问题讨论】：

这不是 5 秒的间隔（不是分钟）吗？另外，我不清楚您要用来填充缺失时间间隔的逻辑。例如，如果采样是混合的，例如5秒、15秒、10秒等
@Alexander，将 5 秒修正为 5 分钟，但为了演示，两者都可以。这也适用于固定采样。我将添加明确说明的语言。

标签： python pandas datetime time-series

【解决方案1】：

假设第一个索引值是一个有效的日期时间，并且所有的值都间隔 5 秒，您可以执行以下操作：

df.index = pd.date_range(df.index[0], periods=len(df), freq='5s')
>>> df
                       B
2013-01-01 09:00:00  0.0
2013-01-01 09:00:05  1.0
2013-01-01 09:00:10  2.0
2013-01-01 09:00:15  NaN
2013-01-01 09:00:20  4.0

【讨论】：

【解决方案2】：

这个解决方案可能对你有用，但也可以使用 reset_index() 函数。

new_dateindex=pd.Series(pd.date_range(start=pd.Timestamp('20130101 09:00:00'),periods=1000,freq='5S'),name='Date')

#'periods=1000' 可以改为'periods=len(df.index)'

df.reset_index().join(new_dateindex,how='right')

【讨论】：