填補指定時間段內缺失的連續時間。 extract_time4.py # -*- coding:utf-8 -*- # @author:Ye Zhoubing # @datetime:2025/12/17 16:23 # @software: PyCharm import pandas as pd # 讀取 Excel df = pd.read_excel("轉換後文件.xlsx")
# -*- coding:utf-8 -*- # @author:Ye Zhoubing # @datetime:2025/12/10 20:11 # @software: PyCharm # -*- coding:utf-8 -*- """ 篩選出匹配時間段，就用csv中相同的值代替，其它用0代替 """ import pandas as pd def extract_data_b
不管是機器學習中還是其他項目裏，數據裏有nan值的話，後面計算很大概率都會影響最終結果。所以要麼説在源文件中避免出現nan值，要麼在程序中對文件中的nan值進行處理。 如果在計算過程中出現nan，也會導致loss、accuracy、val_loss等出現nan的情況。 比如對於在pandas中出現nan值，直接使用dropna()方法對其進行處理即可，默認會刪除包含有nan值的行
