数据缺失值的补齐（代码）

数据缺失值的补齐（代码）

在做时间序列模型的建模以及其他模型的建模时，我们经常会碰到拟合数据存在缺失值（nan）的情况，直接删除存在缺失值的条目大多数情况下不太合理，因此需要对缺失值进行补齐（插值），补齐数据的方法有很多，比如用固定值（0等）代替、平均值、最大值等，下面介绍用平均值进行插值的python代码。

思路：用缺失值前后四天的数据的平均值对缺失值进行插值。
代码编写思路：
1.如果缺失值当天的前后四天有数据，则用当天前后四天的平均值进行补齐。
2.如果缺失值当天的前后四天没有数据，则用其他所有年份的当天的前后四天的数据的平均值补进行齐。

代码部分：





运行代码：