我有一个包含三个输入的数据集。

X1, X2和X3是我的输入。我试图用之前的输入预测X1的下一个值。

当我预测X1的下一个值时，一些之前的X1输入值会缺失。然后预测值会移动到那个缺失的值，并作为下一个预测值的输入。

time     X1       X2       X3      predicted value of X1 (next) 0       10       20       30          50 60min   50       40       20          120120min   120      20       80          240180min   NaN      10       20          280

在这里，180分钟时我的X1输入值是缺失的。所以我想用之前的预测值240替换NaN

time         X1         X2      X3     predicted value180 min  ** 240 **      10      20      280

我写了代码，但对我不起作用。谁能帮我解决这个问题？

pred=[]for index, row in data.iterrows():val = row['X1']if np.isnan(val):  f = row['X1','X2','X3']  val = model.predict(f)  pred.append(val)

回答：

如果我理解正确的话，在你代码的末尾再加一行：

data.loc[index, 'X1'] = val

所以你的代码将是：

    pred=[]    for index, row in data.iterrows():    val = row['X1']    if np.isnan(val):      data.iloc[index]['X1'] = pred[-1]      row['X1'] = pred[-1]    f = row['X1','X2','X3']    val = model.predict(f)    pred.append(val)

希望这有帮助