Python 重新索引为缺少的值提供值而不是NaN

我想用丢失的记录（或行）完成湿度百分比的时间序列。传感器设计为每15分钟记录一个平均值，这就是我的目标频率。这里是一个站的例子（在差距方面不是最好的…），但我有36个测量站，6个参数和超过24000个记录，每个都要均匀化

我选择datetime和%湿度列，例如：

humdt = data["la-salade"][["datetime","humidite"]]

               datetime  humidite
0   2019-07-09 08:30:00        87
1   2019-07-09 11:00:00        87
2   2019-07-09 17:30:00        82
3   2019-07-09 23:30:00        80
4   2019-07-11 06:15:00        79
5   2019-07-19 14:30:00        39

我将datetime设置为一个索引：（到目前为止还可以）

除此之外，我还准备了一个符合我期望的日期时间范围（15分钟频率）：

然后，我使用此范围重新索引湿度值（缺失时应为NaN）：

---

结果，我不知从哪里得到了湿度值。。。甚至不是经典的线性插值（例如：08H30时87%和11H00时87%之间）。请帮帮我，我不知道发生了什么事。。。（还尝试合并和重新采样，因为此处的行为不符合预期）。谢谢大家!

您可以向df.reindex添加属性

fill\u value

humdt = humdt.reindex(pd.DatetimeIndex(date_rng["datetime"]), fill_value=np.nan)

---

这将用NaN填充新值

谢谢阿巴斯。我尝试了fill_value=np.nan（虽然它是默认属性，但验证它总是更好！），但我得到了相同的结果

>>humdt=humdt.reindex（pd.DatetimeIndex（date_rng[“datetime”]），fill_value=np.nan）>>>>>>>>>>>>>>humdt humidite日期时间2019-07-09 08:30:00 87.0 2019-07-09 08:45:00 88.0 2019-07-09 09:15:00 88.0 2019-07-09 09:30:00 89.0 2019-07-09 09:45:00 89.0 2019-07-09 10:00:00 88.0 2019-07-09 10:15:00 88.0这意味着它没有添加值。它们已经存在于您的数据集中。好的，谢谢您的帮助。我很困惑，因为我创建这个子dataframe是为了只处理两列，datatime和一个参数。我不明白这些数据是关于什么的。。。我需要获得一个具有一致频率、记录值和NaN的数据帧，但肯定没有任何方法可以工作。我错过了一些东西。无法复制。。。删除字符串和日期时间值之间的所有来回后，重新索引会为所有新的时间戳提供NaN。感谢您尝试Serge！我还得到了这个问题（全部到NaN），在预期的日期时间和数据帧值之间进行了合并。
date_rng = pd.period_range(start=debut, end=fin, freq='15min').strftime('%Y-%m-%d %H:%M:%S')
date_rng = pd.DataFrame(date_rng)
date_rng.columns = ["datetime"]

humdt = humdt.reindex(pd.DatetimeIndex(date_rng["datetime"]))

                     humidite
datetime
2019-07-09 08:30:00      87.0
2019-07-09 08:45:00      88.0
2019-07-09 09:00:00      88.0
2019-07-09 09:15:00      88.0
2019-07-09 09:30:00      89.0
2019-07-09 09:45:00      89.0
2019-07-09 10:00:00      88.0
2019-07-09 10:15:00      88.0
2019-07-09 10:30:00      88.0
2019-07-09 10:45:00      88.0
2019-07-09 11:00:00      87.0

humdt = humdt.reindex(pd.DatetimeIndex(date_rng["datetime"]), fill_value=np.nan)