本文介绍如何利用 pandas 的 interpolate(method='time') 对不规则时间间隔的计量数据（如水/电表读数）进行科学插值，自动补全年末年末（2023-12-31）和年初（2024-01-01）的估算读数，从而提升年度能耗计算的准确性。
本文介绍如何利用 pandas 的 `interpolate(method='time')` 对不规则时间间隔的计量数据（如水/电表读数）进行科学插值，自动补全年末年末（2023-12-31）和年初（2024-01-01）的估算读数，从而提升年度能耗计算的准确性。
在能源管理、智能抄表等场景中，原始计量数据往往存在读数间隔不均、跨年断点缺失等问题。例如，某电表在 2023-12-01 读数为 8472，下一次读数却在 2024-02-17（9354），中间跨越了年末与年初——若直接用首尾差计算年度用量（如 2023 年仅取 2023-09-01 至 2023-12-01），会严重低估实际消耗；而简单线性插值（忽略时间权重）又无法反映真实日均变化趋势。
正确解法是基于时间轴的线性插值（method='time'）：它按真实时间距离加权计算中间值，确保插值结果符合“恒定日均增量”假设，完美适配本文所述的“年末/年初补点→分段求差→精准归因”的分析逻辑。
以下为完整实现流程（含可运行代码）：
import pandas as pd
import numpy as np
# 原始数据（注意：id 和 meter 在插值后将变为 NaN，属正常现象）
df = pd.DataFrame({
'id': [2, 5, 8, 11, 14],
'meter': [2, 2, 2, 2, 2],
'reading': [8232, 8267, 8472, 9354, 9417],
'date': ['2023-09-01', '2023-11-01', '2023-12-01', '2024-02-17', '2024-03-04']
})
# 步骤 1：转为 datetime，并生成关键时间节点（年初 & 年末）
df['date'] = pd.to_datetime(df['date'])
year_starts = pd.date_range(df['date'].min(), df['date'].max(), freq='YS') # Year Start: 2024-01-01
year_ends = pd.date_range(df['date'].min(), df['date'].max(), freq='Y') # Year End: 2023-12-31, 2024-12-31...
# 步骤 2：构建扩展索引并插值
all_dates = df['date'].tolist() + year_starts.tolist() + year_ends.tolist()
out = (df.set_index('date')
.reindex(all_dates) # 扩展索引，引入缺失日期（自动填充 NaN）
.sort_index() # 按时间排序确保插值顺序正确
.assign(reading=lambda x: x['reading'].interpolate(method='time'))
.reset_index()
.rename(columns={'index': 'date'})[df.columns] # 恢复原始列顺序
)
print(out)
输出示例：
id meter reading date 0 2.0 2.0 8232.000 2023-09-01 1 5.0 2.0 8267.000 2023-11-01 2 8.0 2.0 8472.000 2023-12-01 3 NaN NaN 8811.228 2023-12-31 ← 自动补全的年末估算值 4 NaN NaN 8822.542 2024-01-01 ← 自动补全的年初估算值 5 11.0 2.0 9354.000 2024-02-17 6 14.0 2.0 9417.000 2024-03-04
✅ 关键优势说明：
- method='time' 严格依据时间戳的纳秒级差值加权，比 method='linear'（仅按行序）更精确；
- reindex() + sort_index() 确保插值在完整时间轴上进行，避免跳过边界点；
- 补全后的数据可直接用于分年度聚合：
out['year'] = out['date'].dt.year annual_consumption = out.groupby('year')['reading'].apply(lambda x: x.iloc[-1] - x.iloc[0]) # 输出：2023 → ~570, 2024 → ~591，总和 1161，逼近真实值 1185
⚠️ 注意事项：
- 插值前务必确认 date 列已转为 datetime64[ns] 类型，否则 method='time' 将退化为普通线性插值；
- 若原始数据存在重复日期，需先去重或聚合（如取均值），否则 reindex 可能报错；
- 该方法隐含“读数随时间线性增长”假设，在计量设备故障或突变场景下需结合业务校验；
- 如需更高阶拟合（如考虑季节性），可替换为 scipy.interpolate 或 statsmodels 中的时间序列模型，但本方案在多数计量场景中已具备工程级精度与简洁性。
通过这一标准化流程，你不仅能解决跨年计量断点问题，更能建立可复用的数据预处理模块，为后续同比分析、预测建模打下坚实基础。
