我有一个 pd.DataFrame ，如下所示：
datetime ... month year seconds
0 2023-03-02 20:59:00 ... 3 2023 75540
1 2023-03-02 20:58:00 ... 3 2023 75480
2 2023-03-02 20:57:00 ... 3 2023 75420
3 2023-03-02 20:56:00 ... 3 2023 75360
4 2023-03-02 20:55:00 ... 3 2023 75300
.. ... ... ... ... ...
775 2023-03-01 14:34:00 ... 3 2023 52440
776 2023-03-01 14:33:00 ... 3 2023 52380
777 2023-03-01 14:32:00 ... 3 2023 52320
778 2023-03-01 14:31:00 ... 3 2023 52260
779 2023-03-01 14:30:00 ... 3 2023 52200
[780 rows x 11 columns]
日期时间对象只能包含 14:30:00 到 20:59:00 之间的值。如果某些值超出此范围，则需要将其删除。 此外，两行之间的间隔每次都应该正好是 60 秒，除非从一天更改为另一天（当 df['seconds']== 52200 时）。请注意，数据可能跨越多天。
df 的第一行不一定是 20:59:00，例如可以从 16:30:00 开始。最后一行也是如此，这意味着它并不总是 14:30:00。 有些行随机丢失，我想添加它们。
日期时间、月、年、秒列应该是缺失的时间，而其他列中的值应该取其周围两行之间的值。比如说我们有：
datetime x month year seconds
299 2023-03-02 18:59:00 200 3 2023 68340
300 2023-03-02 18:56:00 230 3 2023 68160
我需要插入两行（因为秒数相差 180，所以缺少 2 分钟）。每行的 x 列应分别为 210 和 220。 我尝试使用 while 循环执行此操作，但效率极低 - 因为有时我的 df 超过 400'000 行。有没有办法使用 pandas 库或其他任何比迭代每对行、检查必须包含多少行，然后插入和重置索引更有效的方法？
用途：
#convert to datetime
df['datetime'] = pd.to_datetime(df['datetime'])
#create MultiIndex by dates and seconds columns
out = df.set_index([df['datetime'].dt.normalize(), 'seconds'])
#create full MultiIndex by all combinations of all seconds and all existing dates
mux = pd.MultiIndex.from_product([out.index.levels[0], range(52200, 75540 +60, 60)],
names=['date','seconds'])
#add missing rows
out = out.reindex(mux).reset_index()
#if necessary remove per dates rows before minimal seconds and after maximal seconds
mask = out['datetime'].notna()
out = out[mask.groupby(out['date']).cummax() &
mask.iloc[::-1].groupby(out['date'].iloc[::-1]).cummax().iloc[::-1]]
#interpolate x column
out['x'] = out['x'].interpolate()
#extract monts, years, count datetimes from seconds
out['month'] = out['date'].dt.month
out['year'] = out['date'].dt.year
out['datetime'] = out['date'] + pd.to_timedelta(out['seconds'], 'seconds')