在Lomb-Scargle时间序列中获取NaN's

Question

我有时间序列的压力数据，其间隙，采样率为1 Hz - 我想检测数据的周期性。

我知道有12个小时的时间，而且我有几个月的测量时间，因此我使用重新采样与熊猫来获得每小时而不是每秒的时间序列：

df_avg = df.resample('H').mean()

所以data看起来像：

                         ATMOSPHERIC PRESSURE (hPa)
YYYY-MO-DD HH-MI-SS_SSS 
2016-06-01 17:00:00     1004.610034
2016-06-01 18:00:00     1004.730975
2016-06-01 19:00:00     1005.166842
2016-06-01 20:00:00     1005.544264
2016-06-01 21:00:00     1005.961861
     ......               ....

然后我尝试了对Lomb-Scargle的数据：

dfs = df_avg

y = dfs['ATMOSPHERIC PRESSURE (hPa)'].values.flatten() 
x = np.arange(0, len(dfs.index), 1)     #Time vector
f = np.linspace(0.00001, 1000 , 100000)

pgram = signal.lombscargle(x, y, f*2*np.pi, normalize=True)

但由于某些我不理解的原因，我在NaN的pgram数组中得到了数据。

有什么建议吗？

顺便说一下，  我也尝试过使用FFT，同样的问题。