本文介绍如何利用 pandas 的时间插值（interpolate(method='time')）功能，在不规则采样的时序计量数据中自动补全年末/年初关键节点的估算读数，从而提升年度能耗计算的准确性。
本文介绍如何利用 pandas 的时间插值（`interpolate(method='time')`）功能，在不规则采样的时序计量数据中自动补全年末/年初关键节点的估算读数，从而提升年度能耗计算的准确性。
在能源管理、水电气表读数分析等场景中，原始数据往往按实际抄表时间记录，存在时间间隔不均、跨年断点缺失等问题。若直接用首尾读数相减计算年度用量（如“2023年用量 = 2023-12-01读数 − 2023-09-01读数”），会严重低估真实消耗——尤其当跨年区间长达数月（如2023-12-01至2024-02-17）时，简单分段求差导致累计误差显著（示例中偏差达24单位）。更科学的做法是：基于时间线性假设，对自然年节点（如2023-12-31、2024-01-01）进行时间加权插值，生成合理估算读数，再分段计算。
实现该逻辑的核心在于 pandas.DataFrame.interpolate(method='time')：它依据索引的时间戳距离进行线性插值（而非行序），确保数值变化与真实时间流逝成正比。以下是完整、可复现的操作流程：
✅ 步骤一：准备数据并转换日期类型
import pandas as pd
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']
})
df['date'] = pd.to_datetime(df['date']) # 必须转为 datetime64 类型
✅ 步骤二：生成关键时间锚点（自然年首尾）
使用 pd.date_range 提取覆盖整个数据周期的自然年起点（YS）和终点（Y）：
# 获取数据时间范围内的所有自然年边界：2023-12-31、2024-12-31... 及 2024-01-01、2025-01-01... date_end_of_year = pd.date_range(df['date'].min(), df['date'].max(), freq='Y').tolist() # 年末：2023-12-31 date_start_of_year = pd.date_range(df['date'].min(), df['date'].max(), freq='YS').tolist() # 年初：2024-01-01
⚠️ 注意：freq='Y' 生成的是每年最后一天（如 2023-12-31），freq='YS' 生成每年第一天（如 2024-01-01）。二者共同构成跨年插值所需的“桥梁节点”。
✅ 步骤三：插值补全并还原结构
通过 reindex 强制引入新时间点，再用 interpolate(method='time') 执行时间感知插值：
# 合并原始日期 + 新增的年边界节点 → 排序 → 插值 → 还原列顺序
out = (df.set_index('date')
.reindex(df['date'].tolist() + date_end_of_year + date_start_of_year)
.sort_index()
.assign(reading=lambda x: x['reading'].interpolate(method='time'))
.reset_index()
.reindex(columns=df.columns) # 严格保持原始列顺序
)
print(out.round(2))
输出结果：
id meter reading date 0 2.0 2.0 8232.00 2023-09-01 1 5.0 2.0 8267.00 2023-11-01 2 8.0 2.0 8472.00 2023-12-01 3 NaN NaN 8811.23 2023-12-31 4 NaN NaN 8822.54 2024-01-01 5 11.0 2.0 9354.00 2024-02-17 6 14.0 2.0 9417.00 2024-03-04
可见，系统已自动计算出 2023-12-31（8811.23）和 2024-01-01（8822.54）的插值读数，其差值 11.31 即为当日估算增量，与题干中 ≈11 的日均消耗高度一致。
✅ 步骤四：分年度计算真实用量
补全后即可精准切分：
# 转为 datetime 索引便于时间切片
out_dt = out.set_index('date')
# 2023年用量：从首个2023年读数到最后一个2023年读数（含插值的2023-12-31）
usage_2023 = out_dt.loc['2023']['reading'].iloc[-1] - out_dt.loc['2023']['reading'].iloc[0]
# 2024年用量：从2024-01-01插值读数到最新读数
usage_2024 = out_dt.loc['2024']['reading'].iloc[-1] - out_dt.loc['2024-01-01':'2024-01-01', 'reading'].iloc[0]
print(f"2023年用量: {usage_2023:.0f} | 2024年用量: {usage_2024:.0f} | 合计: {usage_2023 + usage_2024:.0f}")
# 输出：2023年用量: 579 | 2024年用量: 594 | 合计: 1173 （更接近真实值 1185）
? 关键注意事项
- 时间索引必须为 datetime64：interpolate(method='time') 严格依赖索引的时间精度，字符串日期将失效；
- 插值节点需覆盖目标区间：仅添加 2023-12-31 和 2024-01-01 即可支撑跨年计算，无需生成全部日期；
- reindex 会引入 NaN：原始 id/meter 列在新增行中为 NaN，属正常现象（插值仅作用于 reading）；
- 方法适用性：本方案假设消耗呈近似线性（日均恒定），对突变负荷（如设备启停）敏感；若需更高精度，可改用 method='akima' 或结合业务规则修正。
通过这一流程，你不仅能解决跨年能耗失真问题，更建立起一套可复用的时序数据增强范式——让不规则采样数据也能支撑严谨的周期性分析。
