用python中的NaN填充丢失的时间戳

我有一个名为

ozon

的数据框，只有一列名为

O3

。它以5分钟的时间步长给出mean

O3

值，但不幸的是，它在整个数据集中缺少一些时间步长。例如：

Datetime
2020-03-02 10:10:00  20.90
2020-03-02 10:15:00  20.95
2020-03-02 10:20:00  20.53
2020-03-02 10:25:00  20.96
2020-03-02 10:30:00  14.36
2020-03-04 08:00:00  37.77
2020-03-04 08:05:00  33.83
2020-03-04 08:10:00  30.71
2020-03-04 08:15:00  29.83
2020-03-04 08:20:00  29.39
2020-03-04 08:25:00  28.97
2020-03-04 08:30:00  29.03
2020-03-04 08:35:00  29.07

你可以在数据中看到几乎两天的差距。我想填补这些空白，以便“Datetime”列中没有空白（因此是一个具有5分钟时间步长的一致系列）。我希望缺少的

O3

值变为

NaN

。我尝试了以下代码（以及其他代码）：

ozon.index=pd.DatetimeIndex（ozon.index）
ozon=ozon.reindex（ozon.index，fill_值=0）

不幸的是，这并没有改变输出中的任何内容。 我尝试用

0

填充

O3

值，因为我后来还是过滤掉了这些值，但最好的选择仍然是用

NaN

填充

---

我还尝试了在网站上找到的其他一些建议，但不幸的是，我还没有找到一个好的解决方案。因此，非常感谢您的帮助！所以，请提前多谢

您正在寻找

resample（）

函数。使用：

df.set_index('Datetime').resample('5T').sum().replace(0.00, pd.NA) # 5 minute frequency

它将添加所有缺少的时间步，并填写

nan

作为其值：

                    O3
Datetime    
2020-03-02 10:10:00 20.90
2020-03-02 10:15:00 20.95
2020-03-02 10:20:00 20.53
2020-03-02 10:25:00 20.96
2020-03-02 10:30:00 14.36
2020-03-02 10:35:00 NaN
2020-03-02 10:40:00 NaN
2020-03-02 10:45:00 NaN
2020-03-02 10:50:00 NaN
2020-03-02 10:55:00 NaN
....

如果您不特别想要

nan

值，只需不

replace（）

zero：

df.set_index('Datetime').resample('5T').sum()

如果datetime已经是索引：

df.resample('5T').sum()

---

请提供a，以及当前和预期输出。感谢您的建议！我已经编辑了我的文章，我希望它现在是正确的根据指导方针。我对编程（以及这个网站）很陌生，所以我还不能完全确定现在是否可以。非常感谢！但是，它似乎不起作用，因为Datetime不是列，而是DatetimeIndex。我不能用df['Datetime']来引用它，所以我尝试通过以下方式引用它：df.set_index（df.index）.resample（'5T'）.sum（）.replace（0.00，pd.NA）。我没有得到任何错误，但DatetimeIndex没有重新采样。但是非常感谢你的建议！我在解决这个问题上又前进了一步！然后您不需要重置索引，只需重新采样即可。我在回答中也补充了这一点