我有一个完整的数据集，其中包含在被接受之前会经历各种状态的项目，许多项目会不止一次地通过同一状态，我想查找某项产品在状态中所花费的平均时间，如果重新计算则从0重新开始在以后输入相同的状态）。具体来说，我希望能够选择一个时间点，并查看在该状态下花费的平均总时间。
开始使用reindex和填充选项时，这似乎很简单，该选项将中间日期/缺失日期与项目在该日期具有的值一起填充。但是我有很多项目和更改是在同一天发生的，所以我不确定是否可以为此使用日期索引。
因此，我认为我的问题与this one不同，因为我有多个数据点处于同一时间点，所以我的问题与here不同。除非少了我的误解，否则我不能为此使用日期索引吗？我的时间在sec级别以下，也许我可以在此级别使用日期索引，但是那时我将拥有一个庞大的数据集。还有其他方法吗？
我在这里有一个示例数据集：
id Old Status New Status Status In Status Out
0 44 Draft Submit 2018-10-24 08:12:02 2018-10-24 18:12:02
1 44 Sumbit Return 2018-10-24 18:12:02 2018-11-24 08:56:02
2 44 Return Reject 2018-11-24 08:56:02 NaN
3 88 Submit Accept 2018-10-24 10:12:02 2018-10-29 13:17:02
4 88 Accept Develop 2018-10-29 13:17:02 NaN
5 90 Draft Submit 2018-12-30 08:43:12 NaN
6 95 Draft Reject 2019-01-24 06:12:02 Na
Status Out是NaN的地方，那么它目前处于该状态。
以项目44为例，在第0行和第1行之间，我希望在10月24日至11月24日之间的所有日期都等于在0行上。
我的数据在下面也采用这种格式，实际上可能更易于使用。
df1 = pd.DataFrame({'id':[44,44,44,88,88,90,95],
'Old Status': ['Draft','Submit','Return','Submit','Accept',
'Draft','Draft'],
'New Status' : ['Submit','Return','Reject','Accept','Develop',
'Submit','Reject'],
'Datetime': ['2018-10-24 08:12:02',
'2018-10-24 18:12:02', '2018-11-24 08:56:02',
'2018-10-24 10:12:02','2018-10-29 13:17:02',
'2018-12-30 08:43:12', '2019-01-24 06:12:02']
}, columns = ['id','Old Status', 'New Status', 'Datetime'])
df1['Datetime'] = pd.to_datetime(df1['Datetime'])
df1
id Old Status New Status Datetime
0 44 Draft Submit 2018-10-24 08:12:02
1 44 Sumbit Return 2018-10-24 18:12:02
2 44 Return Reject 2018-11-24 08:56:02
3 88 Submit Accept 2018-10-24 10:12:02
4 88 Accept Develop 2018-10-29 13:17:02
5 90 Draft Submit 2018-12-30 08:43:12
6 95 Draft Reject 2019-01-24 06:12:02
编辑：
因此，为了确认一下，我的数据集有278个重复的日期索引时间降到了“ s”级别。因此，除非我进入'ns'级别，否则似乎无法使用日期索引方法，因为出现错误ValueError: cannot reindex from a duplicate axis
使用ns并不理想，因为仅容纳278个，就会多创建几百万行。
如何在不使用日期索引的情况下添加缺少日期的新行？