在时间序列数据中填补缺失值的最佳方法是什么？数据在工作时间内变化很大，且缺失数据成块出现。

我尝试过后填、前填和均值填充技术来填补数据。我还使用pandas包尝试了插值法（线性、最近邻和多项式），但效果不太理想。输入图片描述

第一张图显示了4月6日至9日左右的缺失数据。第二张图是在使用线性插值填补缺失值后的结果。

填补这种数据的最佳方法是什么？我担心线性插值会导致数据污染。

我读了一些关于卡尔曼滤波器的内容，但不确定如何使用它。

回答：

这真的取决于缺失数据块的大小，但在某些情况下，训练模型以预测缺失值可能有效。
除了使用线性回归，你还可以尝试其他模型，例如k-近邻回归。此外，datawig模块（Github）使用神经网络来学习机器学习模型，以填补表格中的缺失值。

Python中的卡尔曼滤波器可以在FilterPy模块中找到。更多信息请阅读文档这里。

此外，由于你处理的是时间序列数据，你可以看看ARIMA模型是否能预测你的缺失值。