时间序列清洗需先用pd.to_datetime(..., errors='coerce')转datetime并处理混合类型，再用interpolate(method='time')插值，接着用rolling('7d').quantile识别异常值，最后验证缺失值、统计量及可视化。
用 pd.to_datetime 强制解析时间列，但要小心返回 NaT
时间序列清洗的第一步往往是把时间列转成 datetime64 类型。直接用 pd.to_datetime(df['time'], errors='coerce') 最稳妥——它会把无法解析的字符串（比如 '2023-99-01' 或空格）转成 NaT，而不是报错中断。别用 errors='raise'，除非你明确想定位脏数据位置；也别省略 errors 参数，默认值是 'raise'，容易在生产环境突然崩掉。
注意：如果原始列含混合类型（比如部分是字符串、部分是整数时间戳），先统一转成字符串再解析更安全：pd.to_datetime(df['time'].astype(str), errors='coerce')。否则整数可能被误当作纳秒时间戳，导致诡异的年份（如 1970 年）。
用 interpolate 填补缺失值，但得选对方法和方向
时间序列的缺失值不能简单用均值或中位数填充，interpolate 更合理。默认线性插值（method='linear'）只按行索引等距计算，但真实时间序列索引往往不等距。所以必须先确保索引是 DatetimeIndex，再用 method='time' 或 method='index'：
-
method='time'：按实际时间间隔加权（推荐，尤其当采样不规律时） -
method='index'：按索引位置等距插值（适合已重采样为固定频率的序列） - 避免用
method='pad'或method='bfill'填充长时间缺口，容易掩盖趋势断裂
示例：df.set_index('time').interpolate(method='time').reset_index()。注意：插值前最好先 sort_index()，否则结果不可靠。
用 rolling + quantile 识别异常值，比固定阈值更鲁棒
对时间序列，用全局均值±3倍标准差找异常值很容易误杀——比如某天设备刚重启，读数普遍偏高。改用滚动窗口统计更合理。例如取 7 天滚动窗口的上下四分位数，把超出 [Q1 - 1.5×IQR, Q3 + 1.5×IQR] 的点标为异常：
q1 = df['value'].rolling('7D').quantile(0.25)
q3 = df['value'].rolling('7D').quantile(0.75)
iqr = q3 - q1
outliers = (df['value'] q3 + 1.5 * iqr)
关键点：
- 窗口用字符串（如
'7D'）而非整数，才能对不规则时间索引正确对齐 - 滚动计算前必须确保索引是
DatetimeIndex且已排序 -
min_periods=3可设为较小值，避免开头大量NaN
处理完记得检查 isna().sum() 和 describe() 的分布变化
填补和剔除操作容易引入新问题：插值可能让方差变小，异常值过滤可能删掉真实突变。每次操作后必须验证：
- 运行
df['value'].isna().sum()确认缺失没意外增加 - 对比处理前后
df['value'].describe()，看std、min、max是否突变过大 - 画图：用
df.plot(x='time', y='value', style='.')快速扫一眼是否出现“直线段”（插值痕迹）或“断崖”（异常剔除过度）
最易被忽略的是时间索引的连续性——resample('1H').mean() 会自动补全缺失时间点并填 NaN，但如果你后续做差分或建模，这些隐式插入的 NaN 可能引发连锁错误。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
