Python机器学习手册：从数据预处理到深度学习

问题描述

处理时间序列数据中的缺失值。

解决方案

除了之前讨论过的针对缺失数据的处理策略，针对时间序列数据，还可以使用插值法来填充由缺失值造成的数据缺口：

或者，可以用前面的值来替换缺失值（也就是向前填充）：

还可以用后面的值来替换缺失值（也就是向后填充）：

讨论

插值法是一种填充由缺失值造成的数据缺口的技术，实际上就是根据缺口附近的已知数据来画一条直线或者曲线，然后利用这条直线或曲线预测合理的值。当时间间隔确定，数据不会产生剧烈波动且缺失值缺口比较小的时候，插值法尤其有用。例如，上述解决方案中，缺失值缺口附近的值是2.0和5.0。从2.0到5.0画一条线，根据这条线预测出两个缺失值比较合理的值是3.0和4.0。

如果我们认为两个已知点之间的线是非线性的，可以使用interpolate的method参数来指定插值的方式：

最后，缺失值的缺口可能非常大，我们不想对整个缺口进行插值。在这种情况下，可以使用limit来限制插值的数量，并用limit_direction来设置是从最后一个已知值进行向前插值，还是进行反向的操作。

向后填充和向前填充是简单的插值法，它们都是画一条经过已知值的线，并利用这条线来填充缺失值。向后填充和向前填充还有一个小优点，即不需要知道缺失值两侧的值。