数据清洗，利用 Python 自动补全 CSV 数据缺失值

在数据处理工作中，缺失值是一种常见问题，尤其是在风电场数据监控等场景中，数据采集不完整可能导致分析结果失准。本文以风电机组数据为例，详细介绍如何使用 Python 脚本批量处理 CSV 文件，并动态补全缺失值。

数据场景描述

假设我们有以下原始数据，部分数值列中存在缺失值（用 -- 表示），需要根据前后数据进行随机补全：

风机 时间 风向2(°) 风速1(m/s) 有功功率(kW) 发电机转速(rpm) 日发电时间(min)

1号 2024-10-01 00:00:00 – – – – –

1号 2024-10-01 00:10:00 -270 3 5404 687 9

1号 2024-10-01 00:20:00 – – – – –

我们希望将缺失值补全为根据上下文生成的合理随机值，输出如下：

风机 时间 风向2(°) 风速1(m/s) 有功功率(kW) 发电机转速(rpm) 日发电时间(min)

1号 2024-10-01 00:00:00 -270.0 3.0 5404.0 687.0 9.0

1号 2024-10-01 00:10:00 -270 3 5404 687 9

核心思路

1. 批量读取文件：遍历指定文件夹中的所有 CSV 文件，逐一读取和处理。

2. 缺失值检测：将 -