用python做时间序列预测五：时间序列缺失值处理

有的时候，一些时刻或连续时间段内的值无法采集到，或者本身就没有值，本文将介绍如何处理这种情况。

一般而言，有以下几种方法：

• 对所有的缺失值用零填充。
• 前向填充：比如用周一的值填充缺失的周二的值
• 后向填充：比如用周二的值填充缺失的周一的值
• 采用n最近邻均值法填充：比如n取2，则用t-2,t-1，t+1,t+2时刻的平均值来填充缺失的t时刻的值。
• 单线性插值：取某个缺失值的时间点，做一条垂线相较于左右时刻的值的连接线，得到的交点作为填充值。类似下图：
  

对应的python代码实现：

from sklearn.metrics import mean_squared_error
df_orig = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/a10.csv', parse_dates=['date'], index_col&