Python用其他d填充缺少的值

Question

目前im正在编写一个脚本来填充时间轴中缺失的值。数据帧正在查找thusfar，值如下：

timestamp   id  value
2016-01-01 01:00:00 1   10
2016-01-01 02:00:00 1   15
2016-01-01 03:00:00 1   12
2016-01-01 04:00:00 1   NAN
2016-01-01 05:00:00 1   NAN
2016-01-01 06:00:00 1   7
2016-01-01 07:00:00 1   9
2016-01-01 01:00:00 2   10
2016-01-01 02:00:00 2   12
2016-01-01 03:00:00 2   14
2016-01-01 04:00:00 2   16
2016-01-01 05:00:00 2   8
2016-01-01 06:00:00 2   11
2016-01-01 07:00:00 2   14
2016-01-01 01:00:00 3   10
2016-01-01 02:00:00 3   12
2016-01-01 03:00:00 3   14
2016-01-01 04:00:00 3   12
2016-01-01 05:00:00 3   8
2016-01-01 06:00:00 3   9
2016-01-01 07:00:00 3   12

我想要的是通过观察另一个对象的值的上升来填充NAN值。 例如，如果对象id 2和3从3:00:00到4:00:00平均上升了50%，我可以使用这个示例中的值12，然后乘以1.5。我目前正在python中使用pandas。在

我可以通过列'value'运行一个函数，检查它是否为NAN。但我还是坚持要怎么走。在

基本上，我需要一个函数，当它找到一个缺失的值时，它会获取时间戳，然后为这个时间戳找到其他对象的值。所以在这个例子中，它在4:00:00丢失了数据，它将获取对象2的16和对象3的12。一旦完成，它将把找到的值与这个时间戳之前的值进行比较，然后除以这个值。所以16/14和12/14。这个值的平均值是1，我想用它乘以缺失值之前的值。所以1.00*12.00。然后在4:00:00填充时间戳，并在5:00:00继续

Answer 1

你可能需要咀嚼一下，以确保熊猫能正确地看到你的NaNs。在

"""
timestamp,id,value
2016-01-01 01:00:00,1,10
2016-01-01 02:00:00,1,15
2016-01-01 03:00:00,1,12
2016-01-01 04:00:00,1,nan
2016-01-01 05:00:00,1,nan
2016-01-01 06:00:00,1,7
"""

import pandas as pd
import numpy as np

df = pd.read_clipboard(sep=",")
df.value = df.value.astype(float)
df.interpolate(method="linear")

退货：

^{pr2}$