数据预处理，插值问题

有没有办法利用python编码，pandas数据库实现时间连续的插值

当然可以。你可以使用pandas中的date_range 生成连续的日期：

import pandas as pd

head_range = pd.date_range(start='2017-01-01',end='2017-01-31')
print(head_range)

• 你可以看下这个问题的回答https://ask.csdn.net/questions/185768
• 你也可以参考下这篇文章：pandas 异常值处理
• 除此之外, 这篇博客: 数据科学必备Python使用Pandas数据处理技巧中的 缺失值的运算 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 当进行求和运算时，缺失的数据将会被当作零来计算。如果数据全部为NA，那么结果也会返回NA。像 cumsum 和 cumprod 等方法回忽略NA值，但是会在返回的结果数组中回显示缺失的值。

  df3
       one	  two	three
  a	NaN	-0.367818	0.731074
  c	NaN	-1.837256	0.235959
  e	-0.096963	-0.608573	-0.321498
  f	-0.630936	0.498058	0.715187
  h	NaN	-0.873389	1.138654
  
  
  df3['one'].sum()
  -0.7278992566416747
  
  
  df3.mean(1)
  a    0.181628
  c   -0.800649
  e   -0.342345
  f    0.194103
  h    0.132633
  dtype: float64
  
  
  df3.cumsum()
       one	two	    three
  a	NaN	-0.367818	0.731074
  c	NaN	-2.205073	0.967032
  e	-0.096963	-2.813647	0.645535
  f	-0.727899	-2.315588	1.360722
  h	NaN	-3.188978	2.499376
  

  GroupBy中的NA值，在GroupBy中NA值会被直接忽略，这点同R相同。

  df3.groupby('one').mean()
  				two		three
  one		
  -0.630936	0.498058	0.715187
  -0.096963	-0.608573	-0.321498