Python时间序列缺失值的处理方法（日期缺失填充）

import pandas as pdimport datetimedef load_Data():  #加载数据  df0 = pd.read_csv("Path/power.csv",index_col='user_id')  df0['record_date'] = pd.to_datetime(df0['record_date'])  return df0 #把datetime转成字符串def datetime_toString(dt):  return dt.strftime("%Y-%m-%d") #把字符串转成datetimedef string_toDatetime(string):  return datetime.strptime(string, "%Y-%m-%d") #缺失值处理，插值替换def data_Full():  df1 = load_Data()  #加载数据  date_start = df1.iloc[0, 0] #初始时间  df1_date = df1['record_date'].tolist() #数据日期转为列表  df1_data = df1[ 'value'].tolist()  #数据值转为列表  act = 365    #实际期望日期序列长度  for j in range(0, len(df1_date)):    if len(df1_date) < act:      date0 = date_start      date_s = datetime_toString(date0)  #日期转换为字符串类型，使日期可进行逻辑比较      date_i = df1_date[j]  #顺序选取数据中日期列表里对应各日期      date_is = datetime_toString(date_i)      while date_is != date_s:  #如数据中日期列表与期望日期序列不相等，即存在缺失值执行while程序        nada = (df1_data[j] + df1_data[j+1]) / 2  #计算缺失处左右相邻插值        adda = [date0, nada]          date_da = pd.DataFrame(adda).T        date_da.columns = df1.columns        df1 = pd.concat([df1, date_da]) #将缺失日期加入数据列表中        date0 += datetime.timedelta(days=1) #日期加一        date_s = datetime_toString(date0)  #日期字符串转日期时间类型      date0 += datetime.timedelta(days=1) #日期加一      date_s = datetime_toString(date0)  #日期字符串转日期时间类型  df1 = df1.sort_values(by=['record_date'])  return df1