如何使用pd.interpolate仅用一个缺失数据填充间隙

Question

我有一个空气污染的时间序列数据，其中有几个缺失的间隙，如：

Date             AMB_TEMP      CO         PM10       PM2.5
2010-01-01 0         8         10         ...          15
2010-01-01 1         10        15         ...          20
...
2010-01-02 0                   5          ...           
2010-01-02 1                              ...          20
...
2010-01-03 1         4         13         ...          34     

要指定，这里是数据链接：shorturl.at/blBN1

间隙由几个连续或不连续的NAs组成，R-like做了一些有用的统计：

1. 时间序列长度：87648
2. 缺少值的数量：746
3. 缺失值的百分比：0.85%
4. 间隙数：136
5. 平均间隙大小：5.485294
6. 最长NA间隔（连续NAs系列）：32
7. 最常见的间隙大小（连续NA系列的系列）：1（出现50次）

通常，如果我使用df.interpolate(limit=1)， 缺少多个间隙的间隙也将被插值

所以我想一个更好的方法来插值只有一个缺失的间隙，就是得到间隙id

为此，我将不同大小的间隙分组，并使用以下函数：

    cum = df.notna().cumsum()
    cum[cum.duplicated()]

结果是：

                       PM2.5
2019-01-09 13:00:00     205
2019-01-10 15:00:00     230
2019-01-10 16:00:00     230
2019-01-16 11:00:00     368
2019-01-23 14:00:00     538
                       ... 
2019-12-02 10:00:00    7971
2019-12-10 09:00:00    8161
2019-12-16 15:00:00    8310
2019-12-24 12:00:00    8498
2019-12-31 10:00:00    8663

如何像这样获得每个间隙中第一个缺失值的索引？

                     PM2.5 gap size
2019-01-09 13:00:00     1
2019-01-10 15:00:00     2
2019-01-16 11:00:00     1
2019-01-23 14:00:00     1
                       ... 
2019-12-02 10:00:00     1
2019-12-10 09:00:00     1
2019-12-16 15:00:00     1
2019-12-24 12:00:00     1
2019-12-31 10:00:00     1

但是当我使用cum[cum.duplicated()].groupby(cum[cum.duplicated()]).count()时，索引将丢失

有更好的解决方案吗

或如何逐案插入？

有人能帮我吗