Pandas补全分钟级时间序列DataFrame缺失日期并填充NaN

你可以直接用以下两种方法实现，最终效果都是缺失时间点插入后对应列值为NaN，不做任何插值处理：

方法一：重索引（最简洁推荐） #

不需要提前单独计算缺失时间集合，直接生成完整分钟级时间轴做重索引即可，pandas会自动保留原有数据、给缺失位置填充NaN：

# 生成覆盖原数据时间范围的完整分钟级索引
full_time_index = pd.date_range(start=df.index.min(), end=df.index.max(), freq='1min')
# 重索引得到连续时间序列
df = df.reindex(full_time_index)

方法二：基于已计算的missing集合拼接 #

如果你已经提前算出了missing缺失时间索引，可以直接构造全NaN的缺失行后拼接排序：

# 构造缺失时间对应的空DataFrame，列结构和原表完全一致
null_rows = pd.DataFrame(index=missing, columns=df.columns)
# 拼接原表和空行后按时间索引排序
df = pd.concat([df, null_rows]).sort_index()

效果说明 #

• 原有存在记录的时间行，所有数值和原表完全一致，不会被修改
• 新增的缺失时间行，所有列默认取值为NaN，不会触发任何插值、填充逻辑
• 如果原表索引存在重复时间点，建议先执行去重预处理再做上述操作：

df = df[~df.index.duplicated(keep='first')]

内容的提问来源于stack exchange，提问作者alphazwest