Python 如何对具有NAN的时间序列数据使用k均值？

我有很多时间序列记录，有时会重叠，不一定有相同的开始和结束日期。每行代表不同的时间序列。我让它们都保持相同的长度，以保持数据收集的实际时间

例如，在t（1,2,3,4,5,6）处：

我正试图用Python运行一个聚类分析来对具有类似行为的站点进行分组，因为行为的时间安排很重要，所以我不能仅仅去掉NAN。（据我所知）

---

有什么想法吗？

K-means不是这类数据的最佳算法

K-均值旨在最小化簇内方差（=平方和，WCS）

但是如何计算与NaN的方差呢？这里的差异到底有多大意义

相反，您可能希望使用

• 为时间序列设计的相似性度量，如DTW、阈值交叉距离等
• 一种基于距离的聚类算法。如果您只有几个系列，那么分层集群就可以了

---

能否在nan之间进行插值以获得良好的近似值？我假设电台获得nan不是一条重要的信息。也就是说，你没有把它当作基于集群的东西来使用on@Hammer，不，不能对值进行插值。首先，Nan可以出现在任何地方，包括时间序列的开始和结尾。第二，根据作者，行为的时间也是一个特征。这意味着南出现的时间也很重要。NaN不是缺失值，更准确地说，这意味着特定的特征（可以描述为整数）在那个时候并没有被观察到point@user2748977：我认为这更像是一个多元统计问题，而不是一个编程问题。时间序列中的信息似乎是二维的。首先，你有一个二项式反应：有或没有一个特定的行为。第二，如果观察到行为，它可以进一步量化为一个数字。也许某种形式的多维时间序列分析在这里最合适。

Station 1: nan, nan, 2, 4, 5, 10

Station 2: nan, 1, 4, nan, 10, 8

Station 3: 1, 9, 4, 7, nan, nan