如何正确将日频数据升采样为小时频数据(避免末尾日期缺失问题)

小浩小哥_4441

小浩小哥_4441

2026-06-05

1006人浏览

原创

使用 pandas 的 resample + ffill 升采样日频数据到小时频时,末尾日期常只生成一个时间点(而非完整的24小时),导致结果长度异常;根本原因是 resample 默认闭区间行为及末时间戳对齐逻辑,需通过扩展索引范围并清理来解决。

使用 pandas 的 resample + ffill 升采样日频数据到小时频时,末尾日期常只生成一个时间点(而非完整的24小时),导致结果长度异常;根本原因是 resample 默认闭区间行为及末时间戳对齐逻辑,需通过扩展索引范围并清理来解决。

在 pandas 中,resample("h") 并非简单地“为每一天生成24个等距小时点”,而是基于原始索引构建一个右闭、左开的等间隔时间桶(bins),并将每个桶内的数据聚合(此处为 ffill)。关键在于:当原始数据最后一个时间戳为 "2024-01-02"(即 2024-01-02 00:00:00)时,pandas 将其视为一个单点时间戳,而 resample("h") 会从该点开始向后划分小时桶——但默认不自动延伸至下一个自然日,因此仅生成该时刻所在桶(即 2024-01-02 00:00:00 对应的 00:00–01:00 区间)的一个填充值,后续23小时无源数据支撑,故不会补全。

例如,原始数据含 2024-01-01 和 2024-01-02 两个日频点:

  • 2024-01-01 00:00:00 → 触发 00:00–01:00, 01:00–02:00, ..., 23:00–00:00 共24个桶(因起始点明确,向前推满当日);
  • 2024-01-02 00:00:00 → 仅触发 00:00–01:00 这一个桶,后续无更晚时间戳驱动桶扩展,因此仅得1行。

✅ 正确解法是主动延长索引边界:在原始 DataFrame 末尾添加一个占位时间戳(如 T2 + 1 day),使其成为 resample 的“锚点”,从而强制生成覆盖 T2 全天24小时的完整桶序列,再剔除该占位点对应行:

AutoGLM沉思
AutoGLM沉思

一款AI办公效率工具,主要用于智谱AI推出的具备深度研究和自主执行能力的AI智能体,适合需要提升相关任务效率的用户。

下载
import pandas as pd

T1 = pd.Timestamp("2024-01-01")
T2 = pd.Timestamp("2024-01-02")
# 添加占位时间戳:T2 后一天(确保覆盖 T2 全天24小时)
T3 = T2 + pd.Timedelta(days=1)

df = pd.DataFrame({
    "T": [T1, T2, T3],
    "V": [1, 2, pd.NA]  # 占位值设为 NA,便于后续 clean
})

result = (df
          .set_index("T")
          .resample("h")
          .ffill()       # 向前填充:T2 的值将填满 T2 00:00–T3 00:00 前所有小时
          .dropna(subset=["V"])  # 安全移除 T3 行(其 V 为 NA)
         )

print(len(result))  # 输出 48(2天 × 24小时)
print(result.index[0], result.index[-1])  # 2024-01-01 00:00:00 → 2024-01-02 23:00:00

⚠️ 注意事项:

  • 不要依赖 closed="right" 或 label="right" 等参数修正此问题——它们控制桶边界语义,无法改变“无后续时间戳则不扩展”的底层逻辑;
  • 若原始数据含时分秒(如 "2024-01-02 15:30"),resample("h") 会以其所在小时桶(即 15:00–16:00)为起点填充,仍需同样扩展策略保证全天覆盖;
  • 更健壮的写法可结合 pd.date_range 显式构造目标索引,再用 reindex().ffill(),但上述“加哨兵+dropna”方案最简洁通用。

总结:日→小时升采样时,pandas 的 resample 天然偏向“保守覆盖”,必须显式提供足够的时间跨度锚点,才能获得符合业务预期的完整小时序列。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

991

25

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

0

16

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

160

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

120

15

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习