Python：不知道确切模式的插值时间

我有一个dataframe（多索引），它包含一个datetime列，其中缺少值（NaT）。时间以0.2秒的间隔收集，但以秒为单位保存。因此，如果不是NaT，数据帧每秒将有5个副本，例如

2020-09-30 14:18:44 #for 14:18:44:00 
2020-09-30 14:18:44 #for 14:18:44:20
2020-09-30 14:18:44 #for 14:18:44:40
2020-09-30 14:18:44 #for 14:18:44:60
2020-09-30 14:18:44 #for 14:18:44:80
2020-09-30 14:18:45 #for 14:18:45:00

然而，生活并不容易。因此，我的数据帧如下所示，我想在DT列中插入时间。我知道的唯一一件事是，每个组（Gr列）的测量是连续的，时间间隔为0.2秒。我不知道的是：

• 在哪一分秒开始对组进行测量
• 保存了哪个分秒（一个值可能代表0.2秒，而下一个保存的输出可能是0.6秒）

由于第一个项目符号，我不能使用模（即

No

其中

x%5==0

表示0.0s），因为

x%5==0

可能表示0.0、0.2、0.4、0.6或0.8s。 第二个项目符号阻止我从组的第一次出现开始按时间间隔填充NaT值。这是我尝试过的（最后的代码示例），但它不适用于例如B组，因为输出如下所示：

B   18  4   NaT
    19  7   NaT
    20  11  NaT
    21  3   NaT
    22  7   NaT
    23  5   2020-09-30 14:30:43:00
    24  23  2020-09-30 14:30:43:02
    25  1   2020-09-30 14:30:43:04
    26  9   2020-09-30 14:30:43:06 #missing 0.8 sec. here
    27  2   2020-09-30 14:30:44:00
    28  4   2020-09-30 14:30:44:02

下面我提供的示例数据并不多，但我希望它足以说明我的问题。我的原始数据每个组都有>100行（索引级别=0），因此我确信有可能找出模式，我只是不知道如何做

样本数据，其中：

Gr

-组多索引级别=0

否

-测量ID，例如，对于一组，可以从18开始（这意味着0-17被排除在进一步处理之外），多指标水平=1

x

-测量值

DT

-测量日期和时间

        x   DT
Gr No       
  A 1   2   2020-09-30 14:18:43
    2   4   NaT
    3   5   NaT
    4   2   NaT
    5   4   NaT
    6   6   2020-09-30 14:18:44
    7   9   NaT
    8   9   NaT
    9   9   NaT
    10  9   NaT
    11  1   2020-09-30 14:18:45
    12  2   NaT
    13  6   NaT
    14  8   NaT
    15  22  NaT
  B 18  4   NaT
    19  7   NaT
    20  11  NaT
    21  3   NaT
    22  7   NaT
    23  5   2020-09-30 14:30:43
    24  23  NaT
    25  1   NaT
    26  9   NaT
    27  2   2020-09-30 14:30:44
    28  4   NaT
    29  3   NaT
    30  11  NaT
    31  15  NaT
    32  20  NaT
  C 0   13  NaT
    1   6   2020-09-30 14:48:53
    2   22  NaT
    3   26  NaT
    4   2   NaT
    5   7   NaT
    6   3   2020-09-30 14:48:54
    7   6   NaT
    8   1   NaT
    9   9   NaT
    10  2   NaT
    11  14  2020-09-30 14:48:55
    12  24  NaT
    13  20  NaT
    14  5   NaT

样本数据：

data = {
'Group': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C'],  
'No': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],  
'x': [2, 4, 5, 2, 4, 6, 9, 9, 9, 9, 1, 2, 6, 8, 22, 4, 7, 11, 3, 7, 5, 23, 1, 9, 2, 4, 3, 11, 15, 20, 13, 6, 22, 26, 2, 7, 3, 6, 1, 9, 2, 14, 24, 20, 5, 3, 6, 9, 22, 15, 4, 21, 15, 12, 10, 12, 5, 8, 1, 7, 24, 2, 19, 6, 9, 23, 26, 21, 13, 3, 9, 12, 9, 13, 18, 14, 20, 9, 8, 20, 7, 3, 1, 7, 11, 6, 5, 2, 9, 3],  
'DT': ['2020-09-30 17:18:43', None, None, None, None, '2020-09-30 17:18:44', None, None, None, None, '2020-09-30 17:18:45', None, None, None, None, '2020-09-30 17:18:46', None, None, None, None, '2020-09-30 17:18:47', None, None, None, None, '2020-09-30 17:18:48', None, None, None, '2020-09-30 17:18:49', None, None, None, None, None, '2020-09-30 17:30:43', None, None, None, '2020-09-30 17:30:44', None, None, None, None, None, '2020-09-30 17:30:45', None, None, None, None, '2020-09-30 17:30:46', None, None, None, None, '2020-09-30 17:30:47', None, None, None, None, None, '2020-09-30 17:48:53', None, None, None, None, '2020-09-30 17:48:54', None, None, None, None, '2020-09-30 17:48:55', None, None, None, None, '2020-09-30 17:48:56', None, None, None, None, '2020-09-30 17:48:57', None, None, None, None, '2020-09-30 17:48:58', None, None, None]
}
df = pd.DataFrame.from_dict(data)
df = df.set_index(keys = ["Group", "No"])
df["DT"] = pd.to_datetime(df["DT"])

还有一段代码，我用它来计算时间间隔，假设第一次出现是0.0s的测量值。这是错误的。b以类似的方式填充代码

mask = df["DT"].notna() #bool for NaT
g = df["DT"].groupby([pd.Grouper(level = 0), mask.cumsum()]) #group by Group, cumsum for NaT-bool
t = pd.to_timedelta(g.cumcount() * 0.20, unit = "s") #calculate time interval
df["DT"] = df['DT'].groupby(level = 0).ffill() + t #ffill