在时间序列数据中处理缺失值需要使用尊重数据内在时间结构和依赖关系的方法。与横截面数据集不同，时间序列通常具有趋势、季节性或自相关性，因此缺失值会破坏模式并导致不正确的分析。目标是以一种能够保留这些时间关系的方式填充缺失值。
首先，考虑简单的插值或填充技术。对于小的空白，如果数据变化平滑，线性插值（估计现有值之间的值）效果很好。在 Python 的 pandas 库中，df.interpolate(method='time') 会调整不规则的时间间隔。对于有明确方向（例如，传感器读数）的数据集，前向填充（ffill）或后向填充（bfill）会将最后一个已知值向前传播，或将下一个已知值向后传播。例如，df.ffill() 会用最新的有效条目替换缺失值。然而，这些方法假设连续性，如果数据发生突然变化，可能会引入偏差。如果存在季节性，可以使用像 statsmodels 这样的库将序列分解为趋势、季节性和残差分量，然后单独填充季节性部分，再重建序列。
对于更复杂的情况，基于模型的方法很有效。像 ARIMA 或 Prophet 这样的算法可以通过建模趋势和季节性来预测缺失值。例如，使用 Facebook 的 Prophet，你可以将模型拟合到可用数据，然后生成缺失时期的预测。或者，将问题视为监督学习任务：创建滞后特征（例如，前 3 个时间步）并训练像 XGBoost 或 LSTM 这样的模型来预测缺失点。始终通过在数据的完整部分人为引入空白来验证填充，并检查你的方法重建它们的程度。例如，隐藏已知的 5 天周期，应用你的填充方法，并测量与真实值之间的误差。
最后，记录你的方法并评估其影响。有些方法（如均值填充）可能会扭曲统计属性或方差，而另一些方法可能会过度平滑突然的变化。如果缺失不是随机的（例如，峰值期间的传感器故障），请探索特定领域的解决方案，例如使用冗余传感器数据。不确定时，从简单方法开始，测试多种方法，并优先选择与数据底层行为一致的技术。