时间序列空缺值填补

在时序数据处理中，空缺值的填补很重要，填补可以保证序列的完全性。
比如在

01/01/2020
03/01/2020

中间就存在缺失值，那么就需要对缺失值进行填补（02/01/2020）
笔者看了几个博客，大家都习惯用365天来进行填补，但是代码就很奇怪
而datetime的格式可以直接+1，那么直接进行递推检测就好了
（string_toDatetime(data_start) + datetime.timedelta(days=1)）
那基于这样的想法，我就构建了如下代码

def data_full(df1):
    df_date = df1['date'].tolist()  # 数据日期转为列表
    add_data_list = []
    for j in range(0, len(df_date)-1):
        data_start = df_date[j]
        data_start_next_day = string_toDatetime(
            data_start) + datetime.timedelta(days=1)
        while datetime_toString(data_start_next_day) != df_date[j+1]:
            daily_data_list = []
            daily_data_list.append(datetime_toString(data_start_next_day))
            for i in range(df1.shape[1]-1):
                daily_data_list.append(0)
            add_data_list.append(daily_data_list)
            data_start_next_day = data_start_next_day + \
                datetime.timedelta(days=1)
    new_rows = pd.DataFrame(add_data_list, columns=df1.columns)
    df1 = pd.concat([df1, new_rows], ignore_index=True)
    df1 = df1.sort_values(by=['date'])
    return df1

其中还包含了两个datatime和string互转的函数

# 把datetime转成字符串


def datetime_toString(dt):
    return str(dt)

# 把字符串转成datetime


def string_toDatetime(data_start):
    format = '%Y-%m-%d %H:%M:%S'
    return datetime.datetime.strptime(data_start, format)

其中data_full函数都不需要了解其逻辑（懒得写逻辑），直接将你的dataframe传入，然后对于缺少的时间项，也就是对应dataframe的一行，对时间进行填补，而其他值使用0进行填补。
之后就可以完成填补了