我想用降水量，温度和流量作为LSTM的输入来预测河流的流量。
我将数据读取为：
q=pd.read_csv('56.1_Sandsli_vf.csv', index_col=0, encoding = 'unicode_escape', header=0,sep=';',parse_dates=True)
q=q.replace(-9999.0,np.NaN)
q=q.dropna()
同样对于温度（表示为t）和降水（p）。 所以现在我有三个不同的数据框，它们具有单一的自由度。例如，如果我将时间序列连接成这样：
dfs=[q,p,t]
data=pd.concat(dfs)
data.columns = ['q', 'p', 't']
然后，数据将包含数百万个NaN值，因为采样日期在整个数据集中有所不同（我认为）。 Picture of output
就我而言，为LSTM时间序列分析准备数据的最佳实践是什么？
