使用Pandas降采样出现NaN值，拆分传感器文件是否可行？

NaN值出现的核心原因 #

把CSV按传感器拆分成多个文件无法解决NaN问题。你的结果里出现NaN，本质是：

• 某个传感器在对应小时区间内没有任何15分钟的温度记录，resample('H').mean()没有可计算的数据，自然生成NaN；
• 若readable_time未转换为datetime类型，会导致resample逻辑错误，也可能产生NaN。

不拆分文件的可行解决办法 #

1. 先确保时间索引格式正确
   先把readable_time转为datetime类型，避免采样逻辑出错：

   import pandas as pd
   # 转换时间列格式
   Data['readable_time'] = pd.to_datetime(Data['readable_time'])
   Data = Data.set_index('readable_time')
   

2. 处理NaN值的两种思路

   • 保留所有小时区间，填充缺失值：
     如果需要每个传感器的每小时记录（哪怕无数据），可以用固定值或前后值填充NaN：

     # 按传感器分组重采样，NaN填充为0
     C_hourly = Data.groupby('sensor_no').resample('H').mean().fillna(0).reset_index()
     # 或用前一个有效值填充
     C_hourly = Data.groupby('sensor_no').resample('H').mean().ffill().reset_index()
     

   • 只保留有有效数据的小时区间：
     直接过滤掉包含NaN的行：

     C_hourly = Data.groupby('sensor_no').resample('H').mean().dropna().reset_index()
     

关于拆分文件的说明 #

拆分单个传感器为独立文件，只是把数据分散存储，对每个文件执行resample时，该出现NaN的小时区间依然会生成NaN，完全解决不了问题，反而增加了文件管理的成本，不建议这么做。

内容的提问来源于stack exchange，提问作者Scholar7