日期/时间数据整理：15分钟间隔时间序列缺失行填补

核心逻辑是先生成覆盖全时间范围的15分钟间隔完整时间序列，再和原有数据关联补全缺失行，即可保证多站点时间轴完全对齐，步骤如下：

• 第一步：先把Date_and_time列转为pandas内置的datetime格式，避免字符串时间的计算误差

import pandas as pd
# 读取数据集后先转换时间列
df['Date_and_time'] = pd.to_datetime(df['Date_and_time'])

• 第二步：生成覆盖时间范围的15分钟间隔完整时间序列

# 单站点处理取自身时间边界，多站点统一处理建议取所有站点的全局最小、最大时间作为边界
start_time = df['Date_and_time'].min()
end_time = df['Date_and_time'].max()
# 生成15分钟间隔的完整时间序列，freq参数15T对应15分钟
full_time = pd.date_range(start=start_time, end=end_time, freq='15T')
# 转成DataFrame方便后续关联
full_df = pd.DataFrame({'Date_and_time': full_time})

• 第三步：用左关联把原有数据的Pressure值匹配到完整时间序列上，缺失的位置默认填充NaN，也可以按需设置填充规则

# 关联补全
result_df = full_df.merge(df, on='Date_and_time', how='left')
# 可选：缺失值前向填充（用前一个非空的Pressure值填充）
# result_df['Pressure'] = result_df['Pressure'].ffill()
# 可选：缺失值补0
# result_df['Pressure'] = result_df['Pressure'].fillna(0)

• 第四步：多站点合并
  所有站点都按上述逻辑用统一的full_time序列处理完成后，直接按行堆叠所有站点的补全后数据集即可，所有站点的Date_and_time列完全一致，绘图时直接用该列作为X轴即可实现对齐。

如果是小体量数据集不需要写代码，可按以下步骤操作：

• 先在单独一列手动拉出从全局最早到全局最晚时间的15分钟间隔序列（输入前两个间隔15分钟的时间，选中下拉即可自动生成连续15分钟间隔序列）
• 用VLOOKUP函数把原有表的Pressure值匹配到新的时间序列列上，匹配不到的即为缺失行，会显示#N/A，按需填充即可。

内容的提问来源于stack exchange，提问作者JackWassik