我正在从statsmodels执行ADF测试。价值系列可能缺少对话。事实上，如果NaNs的比例大于c，我就会放弃分析。但是，如果系列通过我得到问题，adfuller无法处理丢失的数据。由于这是使用最小帧大小的训练数据，我想这样做：
1）如果x（t = 0）= NaN，则找到下一个非NaN值（t> 0） 2）否则，如果x（t）= NaN，则x（t）= x（t-1）
所以我在这里妥协我的第一个值，但确保输入数据始终具有相同的维度。或者，如果缺少第一个值，我可以填写0，并使用dropna中的限制选项。
从文档中我不完全清楚不同的选项： 方法：{'backfill'，'bfill'，'pad'，'ffill'，None}，默认无
用于填充重新索引的填充孔的方法系列填充/填充：将最后一次有效观察传播到下一个有效回填/ bfill：使用NEXT有效观察来填补空白
pad / ffill：这是否意味着我继承了之前的价值？ backfill / bfill：这是否意味着我的价值取自未来的有效值？
df.dropna(method = 'bfill', limit 1, inplace = True)
df.dropna(method = 'ffill', inplace = True)
这会有限制吗？该文档使用'limit = 1'但预先确定了要填充的值。
答案 0 :(得分：1)
1）如果x（t = 0）= NaN，则找到下一个非NaN值（t> 0）2）否则如果x（t）= NaN，则x（t）= x（t-1） ）
要预先填写所有观察，除了（可能）应该回填的第一个观察，您可以将两个调用链接到ansible: user，第一个调用method='ffill'，第二个调用{{1 }}：
method='fill'