Pandas用interpolate填补时间序列空缺方法

Pandas 的 `interpolate()` 方法在处理时间序列空缺时极易踩坑——默认按行号而非真实时间间隔插值，导致 2023-01-01 与 2023-01-05 之间的缺失被错误地线性均分，完全忽略三天时间差；正确做法是显式指定 `method='time'`（推荐，语义清晰、对 datetime64 索引更鲁棒）或 `method='index'`（兼容性更强），同时必须确保索引为单调递增的 datetime64 类型、无重复或 NaT 值，并配合 `limit_direction='both'` 覆盖首尾空值；还需警惕重采样后索引错位、浮点精度偏差及高阶插值（如 spline）在长序列中引发的数值不稳定问题——掌握这些关键细节，才能让时间序列填补真正“按时间说话”。

interpolate 默认线性插值不适用于时间索引

直接对带时间索引的 DataFrame 调用 interpolate()，默认按行号插值，不是按时间间隔。结果会错位——比如 2023-01-01 和 2023-01-05 之间缺了三天，它却按“第2行到第4行”平均，完全忽略日期差。

• 必须显式传入 method='time' 或 method='index'，让 Pandas 按索引值（即时间戳）做距离加权
• method='time' 要求索引是 datetime64 类型，不是字符串；可用 df.index = pd.to_datetime(df.index) 强制转换
• 如果索引含 NaT 或重复时间戳，interpolate(method='time') 会静默失败或报 ValueError: Index column must be monotonic

method='time' 和 method='index' 的实际区别

二者都按索引值插值，但处理方式不同：当索引是 datetime64 时，method='time' 自动转成纳秒级整数再计算权重；method='index' 则直接用索引的原始数值（如 Timestamp 对象的 .value 属性），效果通常一致。但若索引是 PeriodIndex 或自定义数值序列，method='index' 更稳妥。

• 推荐优先用 method='time'，语义明确，且对常见时间序列更鲁棒
• 如果遇到 TypeError: cannot interpolate with all-object-dtype，说明列里混了字符串或 None，先用 df.select_dtypes(include='number') 过滤或用 downcast='infer'
• limit_direction 很关键：空值在开头/结尾时，默认不插（因为没前后参考），需设 limit_direction='both' 或 'forward'/'backward'

高频坑：插值后时间精度丢失或索引重复

用 resample('1H').interpolate() 这类链式操作，容易在重采样后引入未对齐的时间点，再插值可能把多个 NaN 塞进同一秒级时间戳，导致 duplicate index 错误。

• 务必检查插值前索引是否严格单调递增：用 df.index.is_monotonic_increasing 验证
• 插值前先去重：若存在重复时间，用 df = df[~df.index.duplicated(keep='first')]，否则 interpolate 可能跳过整段
• 插值后注意浮点误差：纳秒级时间戳插值可能产生微秒级偏差，必要时用 df.index = df.index.round('S') 对齐到秒

非线性插值：spline 和 polynomial 不适合长时序

method='spline' 或 method='polynomial' 需要指定 order，但它们对数据长度敏感——1000 行以上就容易数值不稳定，抛 LinAlgError: SVD did not converge。

• 只建议用于短、平滑、无噪声的子序列，比如单次传感器 burst 数据（
• 时间序列中更实用的是 method='pad'（前向填充）配合 limit=24 控制最大跨度，比高阶插值更可控
• 若需拟合趋势，不如先用 df.rolling(7).mean() 平滑，再对平滑后序列线性插值，比硬上 spline 更稳

真正麻烦的从来不是选哪个 method，而是插值前没检查索引类型和单调性，或者插完发现开头结尾还挂着一串 NaN 却忘了设 limit_direction。

到这里，我们也就讲完了《Pandas用interpolate填补时间序列空缺方法》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！