Python中基于前值递增加1分钟填充缺失Timestamp字段的问题

你忽略了两个关键问题：

1. "N/A"不是Pandas识别的缺失值
   数据里的N/A是普通字符串，而非Pandas认可的NaN/NaT缺失标记，所以df['Timestamp'].isna()会返回全False，根本没触发填充逻辑。isna()仅识别np.nan、pd.NA、NaT这类特殊缺失值，字符串"N/A"会被判定为有效数据。

2. 连续缺失值的填充逻辑错误
   就算N/A转为真正的缺失值，你的代码会让所有连续缺失值变成同一个时间：ffill会把所有缺失值替换成最近的前一个非缺失值，再统一加1分钟，导致第5、6行时间都是00:03 + 1分钟 = 00:04，无法实现逐分钟递增的效果。

正确处理步骤 #

第一步：转换时间类型并处理字符串缺失值

先将Timestamp转为datetime类型，同时把"N/A"转为时间类型缺失值NaT：

import pandas as pd

# 构造示例数据
data = {
    'Timestamp': ['01-04-2024 00:00', '01-04-2024 00:01', '01-04-2024 00:02', '01-04-2024 00:03', 'N/A', 'N/A', '01-04-2024 00:06'],
    'record_id': [1,2,3,4,5,6,7]
}
df = pd.DataFrame(data)

# 转换为datetime，将无法解析的"N/A"转为NaT
df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')

第二步：按连续缺失组填充递增时间

通过分组标记，给每个连续缺失组计算相对于前一个有效时间的偏移量，实现逐分钟递增：

# 创建分组：每遇到一个非缺失值，开启新分组
group = df['Timestamp'].notna().cumsum()

# 对每个分组，用组内第一个有效时间加上行索引的偏移量（分钟）
df['Timestamp'] = df.groupby(group)['Timestamp'].transform(
    lambda x: x.iloc[0] + pd.to_timedelta(x.index - x.first_valid_index(), unit='minutes')
)

处理后的数据如下：

内容的提问来源于stack exchange，提问作者Visahan