Nivel 6 · Encuentra y rellena los huecos de seguimiento

Las filas ausentes son invisibles

Un valor ausente que puedes ver es fácil: es NaN, y isna() lo encuentra. Una fila ausente es más difícil. Si el registro tuvo una caída el 28 de enero de 2023, simplemente no hay fila de paid para ese día, y nada en la tabla te lo dice. resample y rolling pasan alegremente sobre el agujero, y una ventana rolling(7) cubre en silencio 8 días del calendario.

La solución es colocar los datos en un calendario completo, de modo que cada día que debería existir tenga una fila, y los ausentes aparezcan como NaN.

asfreq para una serie

Para una sola serie con un DatetimeIndex, asfreq("D") lo hace en una llamada:

paid = marketing_spend[marketing_spend["channel"] == "paid"].set_index("spend_date")["amount"]
len(paid)                 # 1091
filled = paid.asfreq("D")
len(filled)               # 1096
filled.isna().sum()       # 5

asfreq construye un índice diario regular desde la primera hasta la última fecha e inserta NaN donde no había fila. Tres años son 1.096 días (2024 es bisiesto), así que al canal paid le faltan 5 días.

reindex con date_range para muchas columnas

asfreq solo rellena entre la primera y la última fecha presentes. Si faltara toda la primera semana, no podría saberlo. pd.date_range te permite indicar explícitamente el calendario esperado, y reindex coloca la tabla en él:

days = pd.date_range("2023-01-01", "2025-12-31", freq="D")
wide = marketing_spend.pivot(index="spend_date", columns="channel", values="amount").reindex(days)
wide.isna().sum()
# email 4, paid 5, social 3

pivot convierte la tabla larga en una columna por canal (el capítulo 9 lo cubre en profundidad), así que los tres canales se comprueban a la vez contra el mismo calendario.

Elegir un relleno

Cuando los huecos son visibles, tú decides qué significan. Para el gasto de paid, la media diaria sale distinta según esa elección:

• Omitirlos (el valor por defecto de mean() y sum()): media de $814.64 sobre los 1.091 días registrados.
• fillna(0): “no se gastó nada”. Media de $810.93 sobre 1.096 días. Incorrecto aquí: el dinero se gastó, solo falló el registro.
• ffill(): traslada el último valor conocido hacia delante. El total sube de $888,774.13 a $892,327.94.
• interpolate(): una línea recta entre los vecinos, total $892,420.97.

Cero es correcto cuando un día ausente significa realmente cero (sin pedidos en un día de cierre). El relleno hacia delante o la interpolación es correcto cuando el valor existió pero no se registró. Di cuál usaste.

Errores comunes

• Ejecutar rolling(7) en una serie con días ausentes, de modo que la ventana es más larga que una semana.
• Usar fillna(0) para una caída, lo que subestima el gasto y sobrestima el retorno de la inversión publicitaria.
• Usar asfreq cuando los huecos pueden estar justo al principio o al final del rango; reindex con un date_range explícito los detecta.
• Olvidar que sum() y mean() omiten los NaN, así que una tabla con huecos igualmente “suma”, pero a una cifra equivocada.