这可能是一个愚蠢的问题，但我无法弄清楚如何将使用 StatsModels MICE 估算的值实际返回到我的数据中。我有一个数据框（dfLocal），其中包含多年来五个相邻站点（LOC1：LOC5）的每小时温度记录，我想估算任何给定站点的缺失数据。按照我的例子：

imp = mice.MICEData(dfLocal)
fml = 'LOC1 ~ LOC2 + LOC3 + LOC4 + LOC5'
mice = mice.MICE(fml, sm.OLS, imp)
results = mice.fit(10, 10)
print(results.summary())

dfLocal.dropna(axis=0, how='all', inplace=True)
imp.data = imp.data.set_index(dfLocal.index)

# In this case I only want to fill one specific set of missing data
# hence gap_start and gap_end
dfLocal.loc[gapStart:gapEnd, 'LOC1'] = imp.data[fillSite]

我对 MICE 的理解大致是，缺失值会被多次估算，然后结合起来从众多值中找到最佳值。我发现从上述代码中实际获得任何数字的唯一方法是使用，imp.data但我担心这可能只是它们组合之前的个人估算之一？但是，我似乎可以从拟合模型 ( results) 中得到总结？

我远不是统计学家（也不是程序员），所以我一直在阅读 mouse.MICE 的代码和一般 MICE 应用程序的其他资源，但我会尽可能地感谢任何有关这方面的指导。找不到太多关于在线使用 statsmodels 的 MICE 的信息。通常我会在 Gist 上发布一些数据，但全套数据有点大。就是说，如果你认为它会有所帮助，我会上传它。

谢谢！