resample必须在DatetimeIndex或PeriodIndex上调用，因它依赖时间索引结构分组；若date列非时间类型，需先转为datetime再设为索引；重采样后须接聚合操作（如mean、sum、ohlc等），并注意closed和label参数对时间对齐的影响。
resample 为什么必须在 DatetimeIndex 或 PeriodIndex 上调用
resample 不是普通 DataFrame 方法，它依赖时间索引的内在结构做分组切片。如果 date 列只是普通 object 或 int 类型，直接 df.resample('M') 会报 TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex。
必须先确保索引是时间类型：
- 用
df.set_index('date').asfreq('D')转索引（若 date 已是 datetime 类型） - 若 date 是字符串，先
pd.to_datetime(df['date'])，再set_index - 避免用
df.index = pd.DatetimeIndex(df['date'])后还保留原列——冗余且易混淆
如何选对 resample 的 agg 函数：mean / sum / first / last / ohlc
重采样本质是“按新频率分组 + 聚合”，resample 后必须跟聚合操作，否则只返回 Resampler 对象，不计算结果。
常见选择逻辑：
- 数值型指标（如温度、股价）常用
.mean()或.sum()；但注意：流量类数据（如日请求量）应.sum()，均值反而失真 - 想取每段起始/结束值，用
.first()或.last()，比.iloc[0]安全（空组不报错） - K线场景直接用
.ohlc()，自动返回open/high/low/close四列，无需手动指定 - 不能混用不同逻辑，比如
.agg({'price': 'mean', 'volume': 'sum'})是合法的，但.agg(['mean', 'sum'])会对所有列都套两个函数
closed 和 label 参数怎么配才不偏移一天
默认 resample('M') 表示“月频”，但 Python 把每月最后一天作为分组边界，且 closed='right'（右闭），导致 2023-01-01 至 2023-01-31 的数据被归入 2023-02-01 的桶里——结果看起来整体右移一个月。
修复方式取决于业务定义：
- 要“自然月”结果落在当月最后一天（如财务月报），设
closed='right', label='right' - 要结果落在当月第一天（如月初计划），改用
closed='left', label='left' - 更稳妥的是显式指定
offset，比如resample('MS')（Month Start）天然对齐每月 1 号，不用调参数
验证方法：打印 result.index，看时间戳是否符合预期位置。
resample 遇到缺失日期怎么办：asfreq vs fillna
resample 默认只对**已有数据**分组，不会补全空周期。比如原始数据缺 2023-03-15，用 'D' 重采样后，那天依然不存在。
补全空日期得靠后续操作：
-
.asfreq('D')：强制生成每日索引，缺失处填NaN，适合后续插值或过滤 -
.reindex(pd.date_range(...), fill_value=0)：指定范围并填固定值，适合计数类数据 - 别在
resample前用fillna——它对空组无效；要在resample().agg(...)之后链式调用.fillna(0)
高频转低频（如分钟→小时）一般不补，但低频转高频（日→小时）必须明确补全策略，否则时间轴断裂。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
