我有一个 CSV 文件，其中一列包含一系列具有 0.1 步长间隔的实数。但是，缺少某些值。我已将数据加载到 Pandas DataFrame 并将此列设置为索引。由于浮点数的表示方式，我很难识别缺失的索引值。我想找到丢失的行并用np.nan.

例如，给定

        A     B
0.0  78.4  65.9
0.1  72.9  29.2
0.3  80.7  45.9
0.4  10.9  82.3
0.5  37.7  85.4
0.6  90.4  69.9
0.7  17.0  57.2
0.8  70.0  49.6
1.0  58.6  65.1

        A     B
0.0  78.4  65.9
0.1  72.9  29.2
0.3  80.7  45.9
0.4  10.9  82.3
0.5  37.7  85.4
0.6  90.4  69.9
0.7  17.0  57.2
0.8  70.0  49.6
1.0  58.6  65.1

我想得到

        A     B
0.0  78.4  65.9
0.1  72.9  29.2
0.2   NaN   NaN
0.3  80.7  45.9
0.4  10.9  82.3
0.5  37.7  85.4
0.6  90.4  69.9
0.7  17.0  57.2
0.8  70.0  49.6
0.9   NaN   NaN
1.0  58.6  65.1

我试过使用pandas.DataFrame.reindex，但由于浮点表示它不起作用。以下是我迄今为止尝试过的（我的数据范围更大）：

这输出

        A     B
0.0  78.4  65.9
0.1  72.9  29.2
0.2   NaN   NaN
0.3   NaN   NaN
0.4  10.9  82.3
0.5  37.7  85.4
0.6   NaN   NaN
0.7   NaN   NaN
0.8  70.0  49.6
0.9   NaN   NaN
1.0  58.6  65.1

回答

out = df.reindex(np.arange(df.index.min(),df.index.max()+0.1,0.1),method='nearest',tolerance=0.01)
        A     B
0.0  78.4  65.9
0.1  72.9  29.2
0.2   NaN   NaN
0.3  80.7  45.9
0.4  10.9  82.3
0.5  37.7  85.4
0.6  90.4  69.9
0.7  17.0  57.2
0.8  70.0  49.6
0.9   NaN   NaN
1.0  58.6  65.1