数据有一个以Time_id为索引的序列。该索引不是日期时间索引,因此可以修复丢失的时间间隔。我的问题是:
- 我可以用ARIMA预测这个系列吗
- 如果是,我如何处理缺少的Time_id?根据下图,我想填补Time_id中的空白。因此,我需要添加Time_id8,9和值为零的额外行。这是一个巨大的数据,许多可能的时间间隔缺失。如果有人能帮我解决这个问题,那就太好了。示例图像位于下面的链接中
时间序列
您可以估算缺失的值。将缺失的时间步长作为NaN添加到时间序列中,然后使用此处所述的估算器:
https://scikit-learn.org/stable/modules/impute.html
它将根据您使用的策略估算缺失值,例如序列的平均值或上一个和下一个已知值的平均值等。