Python 完成函数以填充缺少的值

嗨，我目前正在尝试完成这个Python3.x实践练习。我需要完成该函数以查找缺少的值并替换它们。我想我可以用线性回归来填充缺失的值

解决了我在重塑时遇到的错误

已解决错误I为“ValueError:无法将字符串转换为浮点：‘3/13/2012 16:00:00’”

-问题-我让函数工作并输出一个输出，但我只得到所有预期输出的相同值

如果有更好的办法，我洗耳恭听。提前谢谢

问题

为您提供了河流中汞含量的每日读数时间序列。在每个测试用例中，在某些天内缺少当天的最高级别。通过分析数据，试图找出那些日子里缺少的汞含量。每行数据包含两个选项卡分隔的值：时间戳和当天的最高读数

每个输入文件中正好有二十行标记为缺少。缺失值标记为“缺失值1”、“缺失值2”、“缺失值20”。这些丢失的记录已随机分散在数据行中

约束

汞含量均<400

功能描述

在下面的编辑器中完成calcMissing函数。它应该打印20行，每个缺少的值对应一行，作为浮动

def校准缺失（读数）：
#在这里编写代码
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
读数\u count=int（输入（）.strip（））
读数=[]
对于范围内的读数（计数）：
读数\项目=输入（）
阅读资料。附加（阅读资料\项目）
计算损耗（读数）

这就是我到目前为止所做的：

#!/垃圾桶/蟒蛇3
输入数学
导入操作系统
随机输入
进口稀土
导入系统
#
#完成下面的“calcMissing”功能。
#
#该函数接受字符串数组读数作为参数。
#
def calcMissing（读数）：
从日期时间导入日期时间
从sklearn.linear_模型导入逻辑回归、线性回归、岭、SGD回归
从sklearn.model\u选择导入列车\u测试\u拆分
作为pd进口熊猫
将numpy作为np导入
日期=[]
温度值=[]
对于读数中的x：
临时列表=x.split（'\t'）
float_days=datetime.strtime（临时列表[0]，“%m/%d/%Y%H:%m:%S”）
日期。追加（浮动天数）
尝试：
临时值追加（浮动（临时值列表[1]））
除：
临时值追加（np.nan）
通过
温度df=pd.系列（温度值，索引=日期）
temp_df.index.name='Date'
temp_df=temp_df.重置索引（name='temp'）
缺少_temp_dates=temp_df[temp_df['temp'].isnull（）]['Date'].值
missing_temp_dates=missing_temp_dates.astype（'datetime64[D]）。astype（int）
缺少临时日期=[[x]表示缺少临时日期中的x]
缺少临时日期=np.asarray（缺少临时日期）
temp_df=temp_df.dropna（）
日期，temps=[[x]表示temp_-df['Date'].值]中的x，temp_-df['temp']值
十、 y=np.asarray（日期），np.asarray（临时）
从sklearn.employ导入梯度boosting回归器
mdl=梯度增强回归器（）
mdl.fit（X，y）
y_pred=mdl.predict（缺少临时日期）
对于y_pred中的pred：
打印（pred）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
读数\u count=int（输入（）.strip（））
读数=[]
对于范围内的读数（计数）：
读数\项目=输入（）
阅读资料。附加（阅读资料\项目）
计算损耗（读数）

我得到：

编译器消息

Wrong Answer

您的输出（标准输出）

预期产量

32.69
32.15
32.61
29.3
28.96
28.78
31.05
29.58
29.5
30.9
31.26
31.48
29.74
29.31
29.72
28.88
30.2
27.3
26.7
27.52

---

我认为set_索引行中存在错误，因为您有一列“值”和一个索引“日期”。这就是为什么DataFrame只有一列

---

尝试删除set_索引并检查

鉴于示例图有多嘈杂，我认为线性回归模型不会工作得太好。由于丢失的数据是随机分布的，因此可以在丢失值之前和之后一天的值之间进行简单的插值，假设这些值也没有丢失

输入中的连续值不一定相隔一天，如本测试输入所示：

12/13/2012 16:00:00 27.52
12/14/2012 16:00:00 Missing_19
12/17/2012 16:00:00 27.215

因此，在插值时，您可以根据它接近的日期对其进行加权

这个问题实际上与相同的数字相同，除了股票价格。您可以从排行榜或社论中查看解决方案

此代码绝对有助于：

---

您从错误消息中了解到了什么？你做过调试吗？请提供一个。请尝试在第行missing_series处将np.float32转换为np.datetime64感谢您花时间提供答案。！你可以：-1）编辑你的答案，这样答案就更详细了。2） 解释你想用这个答案达到什么目的，以及你想说什么。？更多信息（如何提问：）@Vamish您能在代码中添加解释作为注释吗？@Lulu在您的文字中添加注释。

12/13/2012 16:00:00 27.52
12/14/2012 16:00:00 Missing_19
12/17/2012 16:00:00 27.215

        
#!/bin/python3
import math
import os
import random
import re
import sys

def calcMissing(readings):

    import datetime as dt

    import pandas as pd
    import numpy as np
    import random
    dates = []
    temp_values = []
    for x in readings:
        temp_list = x.split('\t')
        dates.append(temp_list[0])
        temp_values.append(temp_list[1])
    

    df = pd.DataFrame(list(zip(dates,temp_values)), 
               columns =['X', 'Y'])
    df['X'] = pd.to_datetime(df['X'])

    missing_indices = df.Y.str.contains('^Missing')
    missing_dates = df.X[missing_indices]
        
    b=df.index[missing_indices]
    df1 = df.drop(b)

    df1['Date']=df1['X'].map(dt.datetime.toordinal)
    df1['Y'] = pd.to_numeric(df1['Y'])

    x = df1[['Date']]
    y = np.asarray(df1['Y'])
    
    from sklearn.ensemble import GradientBoostingRegressor
    lr = GradientBoostingRegressor()
    lr.fit(x,y)

    
    x_test = df.X[b]
    x_test1 = x_test.map(dt.datetime.toordinal)
    y_pred = lr.predict(np.array(x_test1).reshape(-1,1))
    for p in y_pred:
        print(p)