我有设施流量的时间趋势数据（随着时间的推移，设施的入学和毕业），有差距。由于该数据的结构，当出现差距时，差距前一天的“释放”人为偏高（占差距期间释放的所有看不见的个体），而缺口后一天的“入院率”被人为抬高（原因相同：任何在缺口期间入院并留在设施内的个人将在这一天以“入院率”出现）。
以下是一个涉及此类数据差距的Pandas系列样本（0表示2020-01-04至2020-01-07的数据缺失）：

date(index)    releases    admissions
2020-01-01     15          23
2020-01-02     8           20
2020-01-03     50          14
2020-01-04     0           0
2020-01-05     0           0
2020-01-06     0           0
2020-01-07     0           0
2020-01-08     8           100
2020-01-09     11          19
2020-01-10     9           17

对此的可视化（忽略缺失总人口的单独线性插值）如下所示：

我想平滑这些数据，但我不知道用什么插值方法。我想要完成的是在日期间隔（0）-1上向前重新分配“发布”，在日期间隔（n）+1上向后重新分配“录取”。例如，如果一个间隔是4天，并且在天间隔（n）+1上有100个录取，我想重新分配，以便在间隔的每一天，有20个录取，并且在天间隔（n）+1上修改录取显示20。
使用上述示例系列，重新分布将如下所示：

date(index)    releases    admissions
2020-01-01     15          23
2020-01-02     8           20
2020-01-03     10          14
2020-01-04     10          20
2020-01-05     10          20
2020-01-06     10          20
2020-01-07     10          20
2020-01-08     8           20
2020-01-09     11          19
2020-01-10     9           17