pythonで時系列データの加工

Question

python 3.6.9
numpy 1.15.4
pandas 0.23.4

以下のようなデータに対して、欠損している部分を埋めて線形補間したいのですが方法がわかりません。

[元データ]
1, 30, 1.5
2, 60, 3.0
4, 120, 6.0
5, 150, 7.5
6, 180, 9.0
9, 270, 13.5
10, 300, 15.0

↓
[こうしたい]
1, 30, 1.5
2, 60, 3.0
3, 90, 4.5
4, 120, 6.0
5, 150, 7.5
6, 180, 9.0
7, 210, 10.5
8, 240, 12.0
9, 270, 13.5
10, 300, 15.0

データは全部で40万行ほどあり、欠損している範囲もバラバラです。
どなたか知恵をお貸しください、よろしくお願い致します…

以下追記です。

↓元データ
index close_time open_price high_price low_price close_price volume
1,1556746080,590047,590047,589758,589758,0.141
2,1556746140,589604,589985,589604,589981,1.12805
3,1556746200,589977,589977,589309,589962,1.765
5,1556746320,589343,589932,589318,589917,1.254
6,1556746380,589899,589899,589400,589859,1.011
7,1556746440,589844,589844,589407,589834,0.489
8,1556746500,589818,589820,589303,589811,2.77141
9,1556746560,589799,589800,589778,589779,0.744002
10,1556746620,589778,589783,589307,589780,1.93781

↓こうしたい
index close_time open_price high_price low_price close_price volume
close_dt
2019-05-02 06:29:00 2.0 1.556746e+09 589604.0 589985.0 589604.0 589981.0 1.128050
2019-05-02 06:30:00 3.0 1.556746e+09 589977.0 589977.0 589309.0 589962.0 1.765000
2019-05-02 06:31:00 NaN NaN NaN NaN NaN NaN NaN
2019-05-02 06:32:00 5.0 1.556746e+09 589343.0 589932.0 589318.0 589917.0 1.254000
2019-05-02 06:33:00 6.0 1.556746e+09 589899.0 589899.0 589400.0 589859.0 1.011000
2019-05-02 06:34:00 7.0 1.556746e+09 589844.0 589844.0 589407.0 589834.0 0.489000
2019-05-02 06:35:00 8.0 1.556746e+09 589818.0 589820.0 589303.0 589811.0 2.771410
2019-05-02 06:36:00 9.0 1.556747e+09 589799.0 589800.0 589778.0 589779.0 0.744002
2019-05-02 06:37:00 10.0 1.556747e+09 589778.0 589783.0 589307.0 589780.0 1.937810

Comments

[meg_]

・質問タイトルが「pythonで時系列データの加工」ですが、どのあたりが「時系列」なのでしょうか？
・やりたいことはresampleでしょうか？（python resampleで調べてみて下さい）

[退会済みユーザー]

左列が分のイメージだったのですが、書き方が悪く申し訳ありません。
ありがとうございます、resampleで検索した結果目近しいものが出てきました。

[meg_]

「左列が分のイメージだった」のでしたら、そのことを質問に追記してください。
但し、数値ではpandasにて時系列データとしては扱えないでしょう。

[退会済みユーザー]

↑仰る通り数値のまま進めようとしていてつまづいてしまいました。
頂いたヒントのおかげで解決に至りました、感謝します。

Answer 1

indexを指定するとこが結構つまづきました…

close_dt = []
for i in ticker_1min.iterrows():
close_dt.append(datetime.datetime.fromtimestamp(i[1]["close_time"]))
#Indexをdatetime形式に
ticker_1min["close_dt"] = close_dt
ticker_1min.index = ticker_1min["close_dt"]
ticker_1min = ticker_1min.resample('T').mean()

print(ticker_1min)

Answer 2

3, 90, 4.5　がいきなり出てきてますが、こちらはどこからでてきたのでしょう？

Answer 3

まずその補完の計算式をはっきりさせましょう
どうやってその数値を出したか、を考えると出せると思います。

つぎに、その計算式を使ってコードに起こせばいいです