通过在 Python 中输入以前的日期来填充缺失的日期答案

【问题标题】：Filling missing dates by imputing on previous dates in Python通过在 Python 中输入以前的日期来填充缺失的日期
【发布时间】：2018-11-07 19:43:52
【问题描述】：

我有一个时间序列，我想滞后并预测未来一年的数据，如下所示：

Date           Energy         Pred Energy      Lag Error        
.
2017-09-01       9                 8.4
2017-10-01       10                9                
2017-11-01       11                10
2017-12-01       12                11.5
2018-01-01        1                1.3
NaT                                           (pred-true)
NaT
NaT
NaT
.
.

我想要做的就是将日期输入 NaT 条目以从 2018-01-01 继续到 2019-01-01（就像我们在 Excel 拖放中一样填充它们），因为有足够的 NaT 位置可以填到那个点。

我用各种方法尝试了model['Date'].fillna()，要么只是重复之前的相同日期，要么放弃我不想放弃的东西。

有什么方法可以像以前的数据一样以 1 个月的增量填充这些 NaT？

【问题讨论】：

标签： python python-3.x pandas datetime dataframe

【解决方案1】：

制作df并设置索引（设置索引有更好的方法）：

"""
Date,Energy,Pred Energy,Lag Error        
2017-09-01,9,8.4
2017-10-01,10,9                
2017-11-01,11,10
2017-12-01,12,11.5
2018-01-01,1,1.3
"""
import pandas as pd

df = pd.read_clipboard(sep=",", parse_dates=True)
df.set_index(pd.DatetimeIndex(df['Date']), inplace=True)
df.drop("Date", axis=1, inplace=True)
df

重新索引到新的date_range：

idx = pd.date_range(start='2017-09-01', end='2019-01-01', freq='MS')
df = df.reindex(idx)

输出：

            Energy  Pred Energy  Lag Error        
2017-09-01     9.0          8.4                NaN
2017-10-01    10.0          9.0                NaN
2017-11-01    11.0         10.0                NaN
2017-12-01    12.0         11.5                NaN
2018-01-01     1.0          1.3                NaN
2018-02-01     NaN          NaN                NaN
2018-03-01     NaN          NaN                NaN
2018-04-01     NaN          NaN                NaN
2018-05-01     NaN          NaN                NaN
2018-06-01     NaN          NaN                NaN
2018-07-01     NaN          NaN                NaN
2018-08-01     NaN          NaN                NaN
2018-09-01     NaN          NaN                NaN
2018-10-01     NaN          NaN                NaN
2018-11-01     NaN          NaN                NaN
2018-12-01     NaN          NaN                NaN
2019-01-01     NaN          NaN                NaN

帮助： Pandas Set DatetimeIndex

【讨论】：