如何在Pandas中用前后天同时段均值插值缺失的小时级时间序列数据

首先保证你的DataFrame满足两个前置条件：

• datetime列已转换为pandas时间格式，且按时间升序排列
• 时间序列是连续的小时粒度（如果存在整行数据缺失的情况，先调用asfreq('H')补全时间行，保证每小时都有对应记录）

核心代码 #

import pandas as pd

# 1. 处理时间索引（如果已经完成可以跳过）
df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime').sort_index()
# 可选：补全缺失的时间行，保证小时粒度连续
df = df.asfreq('H')

# 2. 整列直接填充缺失值，无需切分数据
df['value'] = df['value'].fillna((df['value'].shift(24) + df['value'].shift(-24)) / 2)

逻辑说明 #

• shift(24)：将value列整体后移24行，每个时间点对应的值为前一天同时段的数值
• shift(-24)：将value列整体前移24行，每个时间点对应的值为后一天同时段的数值
• 二者取均值后直接通过fillna填充到原列的NaN位置，完全在原DataFrame上操作，无需拆分替换，和你示例的计算逻辑完全匹配。

可选边界处理 #

如果你的数据首尾时段存在缺失，没有对应的前一天/后一天数据，上述计算后仍会保留NaN，可以额外加一步填充逻辑：

# 用线性插值补全首尾剩余缺失值，可根据需求替换为其他填充策略
df['value'] = df['value'].fillna(df['value'].interpolate())

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