版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhuisaozhang1292/article/details/85226488
转载至：https://blog.csdn.net/u010197551/article/details/79618040
5. 数据缺漏的插补
数据格式是以一分钟为步长的长系列负荷，从数据库读入excel后存在缺漏情况，即并不是每一天的数据都有1440个点。需要把数据处理成15分钟间隔，即1天有96个点。
Step1. 在excel中，新建一张sheet，第一列索引用excel自动填充，处理成目标范围以1分钟为步长的时间序列，作为index。然后使用vlookup在原始数据中比对index，这样缺漏行会自动返回#NAN值。【由于本身计算精度问题，可能出现两张表上同一个日期转为数值后存在百亿分之一的误差，可先采用rounddown（）处理一下，取小数点后8位数字就可以了】
这一步也可以利用dataframe的merge来操作，没研究暂且不写。
Step2. 利用pandas.interpolate(inplace=True)进行线性插补缺漏值。
6. Dataframe 行选择和列选择
参考了http://blog.csdn.net/u013045749/article/details/48370007 和 http://www.cnblogs.com/kylinlin/p/5231404.html
在不知道列名的情况下，用索引位置选择列，用df[[列索引]]；
df.iloc[行索引]，选取第X行，也可以用df.iloc[0:2]选取第0、1行，df[0:2]也是选取第0、1行。