如何判断是否对时序数据的NaN值插值？可口可乐股价数据处理疑问

我使用了一份可口可乐股价的每日频率公开数据集，原始记录有15311条，将日期设为索引按每日频率重采样后，出现了6900+个NaN值。重采样代码如下：

import pandas as pd

data = pd.read_csv(filepath)
data_preprocessed = data.copy()
data_preprocessed['Date'] = pd.to_datetime(data['Date'].str.split(' ').str[0])
data_preprocessed.set_index('Date', inplace=True)
data_monthly = data_preprocessed.resample('D').last()
print(data_monthly.isnull().sum()) # 统计缺失天数

纠结该用ffill()、bfill()、interpolate()还是直接drop()处理这些缺失值？

• 直接drop()：不推荐
  6900+的缺失值占比不小，直接删除会严重破坏时间序列的连续性，后续趋势分析、建模都会受影响。而且股价数据的日期缺失大概率是周末、节假日这类非交易日，这些日期本来就没有交易数据，删除反而会打乱时间轴的完整性。

• ffill()（前向填充）：优先考虑
  非交易日没有交易，股价不会变动，用前一个交易日的收盘价填充是行业常规操作，完全符合实际逻辑，操作也简单：

  data_monthly = data_monthly.ffill()
  

• bfill()（后向填充）：谨慎使用
  后向填充会用下一个交易日的数据填补前面的缺失，相当于“提前预知未来股价”，会引入数据泄露，不管是可视化还是建模都会失真，除非你明确缺失的是交易日数据且有特殊业务逻辑，否则别用。

• interpolate()（插值填充）：针对性使用
  如果缺失值里包含交易日（比如数据采集遗漏），插值（比如时间加权插值）能更合理地贴合股价波动趋势，比简单前后填充更准确：

  # 时间加权插值，适配时间序列特性
  data_monthly = data_monthly.interpolate(method='time')
  

  但如果缺失的都是非交易日，插值反而会生成不合理的“伪股价”，违背实际情况。

总结建议 #

先排查缺失值对应的日期：如果大部分是周末、节假日，直接用ffill()；如果存在交易日缺失，针对这部分用interpolate()，非交易日仍用前向填充；绝对不要直接drop()。

内容的提问来源于stack exchange，提问作者Jco