Python 如何处理开放数据中数据帧中的缺失值？

我下载了10个2010-2019年空气污染的开放数据集（已通过“read_csv”传输到熊猫数据框架），其中有一些缺失值

这些行按天排序，包括几个项目（如PM2.5、SO2等）。大部分数据包括17或18项。共有27列，分别为年、站、项、00、01、…、23

在这种情况下，我已经使用了

df.fillna（np.nan）.apply（lambda x:pd.to_numeric（x，errors='concurve'）

和

df.内插（轴=1，内插=True）

但是现在，如果数据缺少从“00”到后面任何时间的值，插值函数将不起作用。如果我想填充所有这些空白，我需要合并不为null的最后一天数据，并再次使用

interpolate

但是，不同的日期有不同的项目编号，这意味着仍有一些行无法填充

简而言之，现在我正试图通过items键联系所有数据，并使用

interpolate

顺便说一句，在数据清理之后，我想应用

xgboost

和线性回归来预测PM2.5。是否有任何建议的方法来处理数据？ （或任何在线演示代码？）

例如，数据如下所示：

我使用了

df.groupby（'date'）.size（）

，得到了

---

或者换句话说，如何将不同的日子分割在一起？

Groupby（['date'，'items']）

？然后如何合并

---

或者，可以从最后一行的最后一个值进行插值吗？

欢迎使用SO。我建议您阅读