Python 熊猫填充列'；a'；使用列'中直接前后的单元格平均值；b'；

我有一个时间序列数据集，其中GPS每隔一秒就会丢失一次

我希望使用熊猫来填补这些缺失值，直接使用GPS的平均值前后的数据差距

在下面的示例中，这将导致在“时间戳”“06:41:59”处填充“AV_纬度”和“AV_经度”列，并在其前后直接填充位置的平均值

如果“AV”列中的所有单元格都使用与我将使用“fillna”合并缺少的数据值相同的方法填充，这不是问题

---

任何帮助都将不胜感激

熊猫有一种处理

NaN

值的方法，

.fillna

。在其他方法中，它支持“向前填充”和“向后填充”，这两种方法的组合将提供所需的结果

df[['lat', 'long']] = (
    df[['lat', 'long']].fillna(method='ffill') 
    + df[['lat', 'long']].fillna(method='backfill')
) / 2

---

作为奖励，这还将处理多个连续的

NaN

s

熊猫有一种方法来处理

NaN

值，

.fillna

。在其他方法中，它支持“向前填充”和“向后填充”，这两种方法的组合将提供所需的结果

df[['lat', 'long']] = (
    df[['lat', 'long']].fillna(method='ffill') 
    + df[['lat', 'long']].fillna(method='backfill')
) / 2

---

作为奖励，这还将处理多个连续的

NaN

s

我不确定您真正想做的是将

表示为
，还是实际想做的是重新采样数据。一般来说，后者将是一项更为常见的任务。以下是我使用的输入数据：

df = pd.DataFrame({'timestamp': {0: '6/16/2020 6:41:58', 1: '6/16/2020 6:42:00'},'latitude': {0: -32.4353472, 1: -32.43535107}})
df['timestamp'] = pd.to_datetime(df['timestamp'])
df

    timestamp           latitude
0   2020-06-16 06:41:58 -32.435347
1   2020-06-16 06:42:00 -32.435351

然后，对数据重新采样：

df = df.resample('s', on='timestamp').mean().reset_index()
df

输出：

    timestamp            latitude
0   2020-06-16 06:41:58  -32.435347
1   2020-06-16 06:41:59  NaN
2   2020-06-16 06:42:00  -32.435351

我不确定你真正想做的是让
的意思是
，还是你真正想做的是重新采样数据。一般来说，后者将是一项更为常见的任务。以下是我使用的输入数据：

df = pd.DataFrame({'timestamp': {0: '6/16/2020 6:41:58', 1: '6/16/2020 6:42:00'},'latitude': {0: -32.4353472, 1: -32.43535107}})
df['timestamp'] = pd.to_datetime(df['timestamp'])
df

    timestamp           latitude
0   2020-06-16 06:41:58 -32.435347
1   2020-06-16 06:42:00 -32.435351

然后，对数据重新采样：

df = df.resample('s', on='timestamp').mean().reset_index()
df

输出：

    timestamp            latitude
0   2020-06-16 06:41:58  -32.435347
1   2020-06-16 06:41:59  NaN
2   2020-06-16 06:42:00  -32.435351

你好，大卫。谢谢你帮我。这是一个很酷的函数，我可能有很多用途，但它并不能解决我在这里遇到的问题。我确实有那个时间戳的数据，只是没有GPS纬度/长度。我希望创建一个平均位置，为所有数据点提供空间上下文。谢谢大卫。谢谢你帮我。这是一个很酷的函数，我可能有很多用途，但它并不能解决我在这里遇到的问题。我确实有那个时间戳的数据，只是没有GPS纬度/长度。我希望创建一个平均位置，为所有数据点提供空间上下文。干杯汉克斯·马拉特，这很有魅力。我不知道该功能是可用的，所以感谢您的启发！谢谢马拉，这很有魅力。我不知道该功能是可用的，所以感谢您的启发！