import pandas as pd
import datetime


def load_Data():
    # 載入資料
    df0 = pd.read_csv(r'D:\PythonCharm\Python\Infos.csv')
    df0['time'] = pd.to_datetime(df0['time'])
    return df0


# 把datetime轉成字串
def datetime_toString(dt):
    return dt.strftime('%Y-%m-%d')


# 把字串轉成datetime
def string_toDatetime(string):
    return datetime.strptime(string, '%Y-%m-%d')
 


# 缺失值處理，插值替換
def data_Full():
    df1 = load_Data()  # 載入資料
    # a = df1.iloc[len(df1)-7, 0]
    date_start = df1.iloc[len(df1)-1, 0]  # 初始時間
    df1_date = df1['time'].tolist()  # 資料日期轉為列表
    df1_data = df1['price'].tolist()  # 資料值轉為列表
    info = []
    #df1_date = list(reversed(df1_date))
    #df1_data = list(reversed(df1_data))
 
    times = ''
    act = 365 * 26  # 實際期望日期序列長度
    for j in range(0, len(df1_date)):
        if len(info) < act:
            date0 = date_start
            date_s = datetime_toString(date0)  # 日期轉換為字串型別，使日期可進行邏輯比較
            date_i = df1_date[j]  # 順序選取資料中日期列表裡對應各日期
            date_is = datetime_toString(date_i)
 
            while date_is != date_s:  # 如資料中日期列表與期望日期序列不相等，即存在缺失值執行while程式
                nada = (df1_data[j])   # 將前面的值直接賦值給缺失的值
                info.append(pd.DataFrame({'time': date0, 'price': nada}, index=[0]))
                date0 += datetime.timedelta(days=1)  # 日期加一
                date_s = datetime_toString(date0)  # 日期字串轉日期時間型別
            date0 += datetime.timedelta(days=1)  # 日期加一
            date_s = datetime_toString(date0)  # 日期字串轉日期時間型別
        info.append(pd.DataFrame({'time': date_is, 'price': df1_data[j]}, index=[0]))
        date_start = date0
    info = pd.concat(info, ignore_index=True)
    return info


d = data_Full()
print(d.columns)
print(len(d))
message = []
for time, price in d.values:
    message.append(pd.DataFrame({'time': time, 'price': price}, index=[0]))
qhdInfo = pd.concat(message,  ignore_index=True)
qhdInfo.to_csv('info.csv', index=False)
沒處理之前資料



處理之後的資料