现有奶茶店数据，有下单时间，时间跨度为5个月，奶茶开始制作时间，奶茶制作完成时间，一单中的杯量，门店编号，需要填充每个门店当天的开始制作时间和制作完成时间的缺失值，写出Python循环代码

假设数据已经存在一个名为 `data` 的 DataFrame 中，门店编号存储在 `store_id` 列中，下单时间存储在 `order_time` 列中，开始制作时间存储在 `start_time` 列中，制作完成时间存储在 `finish_time` 列中，杯量存储在 `cup_num` 列中。可以按照以下方式编写循环代码：

# 导入 pandas 库
import pandas as pd

# 将下单时间转换为日期格式
data['order_time'] = pd.to_datetime(data['order_time'])

# 按门店编号和下单时间排序
data = data.sort_values(['store_id', 'order_time'])

# 循环遍历每个门店编号
for store in data['store_id'].unique():
    # 获取该门店的所有订单数据
    store_data = data[data['store_id'] == store]
    
    # 循环遍历每一天的数据
    for date in store_data['order_time'].dt.date.unique():
        # 获取该门店该天的数据
        day_data = store_data[store_data['order_time'].dt.date == date]
        
        # 如果开始制作时间缺失，则补充为该天最早的下单时间
        if day_data['start_time'].isna().any():
            start_time = day_data['order_time'].min()
            data.loc[day_data.index, 'start_time'] = start_time
        
        # 如果制作完成时间缺失，则补充为该天最晚的下单时间加上制作时间
        if day_data['finish_time'].isna().any():
            finish_time = day_data['order_time'].max() + pd.Timedelta(days=1)
            duration = pd.Timedelta(minutes=day_data['cup_num'].sum() * 2)
            finish_time += duration
            data.loc[day_data.index, 'finish_time'] = finish_time

该代码会循环遍历每个门店，然后循环遍历该门店每一天的数据。对于每一天的数据，如果开始制作时间缺失，则补充为该天最早的下单时间；如果制作完成时间缺失，则补充为该天最晚的下单时间加上制作时间。最后，将补充后的数据保存回原来的 DataFrame 中。