我有一个csv文件，其中1分钟的库存数据跨越多天。每天的运行时间为9:30至16:00。
时间序列中的部分会议记录缺失： （这里2013-09-16 09:32:00和2013-09-17 09:31:00失踪）
2013-09-16 09:30:00,461.01,461.49,461,461,183507
2013-09-16 09:31:00,460.82,461.6099,460.39,461.07,212774
2013-09-16 09:33:00,460.0799,460.88,458.97,459.2401,207880
2013-09-16 09:34:00,458.97,460.08,458.8,460.04,148121
...
2013-09-16 15:59:00,449.72,450.0774,449.59,449.95,146399
2013-09-16 16:00:00,450.12,450.12,449.65,449.65,444594
2013-09-17 09:30:00,448,448,447.5,447.96,173624
2013-09-17 09:32:00,450.6177,450.9,449.05,449.2701,268715
2013-09-17 09:33:00,451.39,451.96,450.58,450.7061,197019
...
...
使用pandas，我如何转发填充系列以便每分钟都存在？我应该这样：
2013-09-16 09:30:00,461.01,461.49,461,461,183507
2013-09-16 09:31:00,460.82,461.6099,460.39,461.07,212774
2013-09-16 09:32:00,460.82,461.6099,460.39,461.07,212774 <-- forward filled
2013-09-16 09:33:00,460.0799,460.88,458.97,459.2401,207880
2013-09-16 09:34:00,458.97,460.08,458.8,460.04,148121
...
2013-09-16 15:59:00,449.72,450.0774,449.59,449.95,146399
2013-09-16 16:00:00,450.12,450.12,449.65,449.65,444594
2013-09-17 09:30:00,448,448,447.5,447.96,173624
2013-09-17 09:31:00,448,448,447.5,447.96,173624 <-- forward filled
2013-09-17 09:32:00,450.6177,450.9,449.05,449.2701,268715
2013-09-17 09:33:00,451.39,451.96,450.58,450.7061,197019
...
还需要考虑是否缺少连续几分钟...
答案 0 :(得分：3)
所以我将前4行复制到数据帧中：
Out[49]:
0 1 2 3 4 5
0 2013-09-16 09:30:00 461.0100 461.4900 461.00 461.0000 183507
1 2013-09-16 09:31:00 460.8200 461.6099 460.39 461.0700 212774
2 2013-09-16 09:33:00 460.0799 460.8800 458.97 459.2401 207880
3 2013-09-16 09:34:00 458.9700 460.0800 458.80 460.0400 148121
然后
df1 = df.set_index(keys=[0]).resample('1min', fill_method='ffill')
df1
Out[52]:
1 2 3 4 5
0
2013-09-16 09:30:00 461.0100 461.4900 461.00 461.0000 183507
2013-09-16 09:31:00 460.8200 461.6099 460.39 461.0700 212774
2013-09-16 09:32:00 460.8200 461.6099 460.39 461.0700 212774
2013-09-16 09:33:00 460.0799 460.8800 458.97 459.2401 207880
2013-09-16 09:34:00 458.9700 460.0800 458.80 460.0400 148121
这也将处理多个缺失值并向前填充它们。
所以，如果我有像
这样的数据2013-09-17 09:30:00,448,448,447.5,447.96,173624
2013-09-17 09:33:00,451.39,451.96,450.58,450.7061,197019
并做同样的事情：
Out[55]:
1 2 3 4 5
0
2013-09-17 09:30:00 448.00 448.00 447.50 447.9600 173624
2013-09-17 09:31:00 448.00 448.00 447.50 447.9600 173624
2013-09-17 09:32:00 448.00 448.00 447.50 447.9600 173624
2013-09-17 09:33:00 451.39 451.96 450.58 450.7061 197019
这里的关键是你必须有一个datetimeindex，如果你想把它作为一个列，那么你可以在drop=False中设置set_index。
答案 1 :(得分：1)
这对你来说可能稍好一些，因为它会考虑到不同的日子，因此你不必每天都要填写：
只需创建数据框：
list1 = [["2013-09-16 09:29:00","461.01","461.49","461","461","183507"],
["2013-09-16 09:31:00", "460.82", "461.6099", "460.39", "461.07", "212774"],
["2013-09-16 09:34:00", "460.0799", "460.88", "458.97", "459.2401", "207880"],
["2013-09-17 09:35:00", "458.97", "460.08", "458.8", "460.04", "148121"]]
cols = ['date','price1','price2','price3', 'price4', 'price5']
df = DataFrame(list1, columns=cols)
将索引设置为日期列：
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
重新索引并填充孔，然后向前填充生成的NaN值，然后在上午9:30到下午4:00之间停止所有时间：
df2 = df.reindex(pd.date_range(df.index[0], df.index[-1], freq='Min')).ffill().ix[df2.index.indexer_between_time(pd.datetime(year=1,month=1,day=1,hour=9,minute=30).time(), datetime.time(16))]
这些陈述可以按顺序分开：
首先，重新索引数据框，使您的索引对应于您的结束日期/时间的开始日期/时间，频率为1分钟：
df2 = df.reindex(pd.date_range(df.index[0], df.index[-1], freq='Min'))
这将创建许多NaN值，其中新索引与旧索引不对齐。我们用ffill（向前填充）来填充它，尽管还有其他选项：
df2.ffill(inplace=True)
然后最后，删除超出您的上午9:30到下午4:00时间范围的时间：
df_final = df2.ix[df2.index.indexer_between_time(pd.datetime(year=1,month=1,day=1,hour=9,minute=30).time(), datetime.time(16))]
因为.time（）不需要9.5并且文档有点稀疏，所以我创建了一个datetime对象，其时间值设置为9:30 AM，然后使用.time（）来获取它。有一种更好的方法，我敢肯定。