如何为df补充缺失的10分钟间隔时间戳数据行？

核心思路 #

先将日期与时间合并为完整时间戳，生成符合10分钟间隔的完整时间序列，通过重新索引补全缺失行，最后按需填充测量值。

具体步骤（基于Python Pandas） #

假设你的DataFrame名为df，按以下操作执行：

1. 合并日期与时间，转换为时间戳类型
   将分散的日期和时间整合成可处理的datetime对象：

   import pandas as pd
   
   # 合并日期与时间列，转为datetime格式
   df['datetime'] = pd.to_datetime(df['日期'].astype(str) + ' ' + df['Time'])
   # 将datetime设为索引，方便后续时间序列操作
   df = df.set_index('datetime')
   

2. 生成完整的10分钟间隔序列并补全缺失行
   按传感器分组（支持多传感器场景），为每个传感器生成连续的10分钟时间序列，再补全对应行：

   filled_dfs = []
   # 按传感器分组处理
   for sensor, group in df.groupby('Sensor'):
       # 生成从该传感器最早到最晚时间的10分钟间隔序列
       full_time_range = pd.date_range(start=group.index.min(), end=group.index.max(), freq='10T')
       # 重新索引，补全缺失的时间点
       filled_group = group.reindex(full_time_range)
       # 填充Sensor和日期列（同一传感器同一日期下无变化）
       filled_group['Sensor'] = sensor
       filled_group['日期'] = group['日期'].iloc[0]
       filled_dfs.append(filled_group)
   
   # 合并所有分组结果
   filled_df = pd.concat(filled_dfs)
   

3. 填充缺失的测量值
   根据业务需求选择填充方式，示例中采用线性插值（适合连续变化的数值）：

   # 线性插值填充测量值
   filled_df['测量值'] = filled_df['测量值'].interpolate(method='linear')
   # 若需前向填充（用前一个有效值填充），可替换为：
   # filled_df['测量值'] = filled_df['测量值'].ffill()
   

4. 恢复原始列结构并生成行号
   拆分时间列为原始格式，重新生成行号：

   # 从datetime索引提取时间字符串
   filled_df['Time'] = filled_df.index.strftime('%H:%M:%S')
   # 重置索引并生成行号
   filled_df = filled_df.reset_index(drop=True).reset_index(names='行号')
   # 调整列顺序与原始结构一致
   filled_df = filled_df[['行号', 'Sensor', '日期', 'Time', '测量值']]
   # 行号从1开始对齐示例格式
   filled_df['行号'] = filled_df['行号'] + 1
   

补充说明 #

• 若日期列是标准日期格式（而非示例中的数字1），只需调整合并datetime的逻辑，无需额外转换字符串。
• 填充方式可灵活调整：比如用固定值填充缺失的测量值，可替换为filled_df['测量值'] = filled_df['测量值'].fillna(0)。

内容的提问来源于stack exchange，提问作者Bartholomew