Pandas 的 resample().ffill() 在将日频数据升频为小时频时，会因时间范围截断导致末尾日期的 23 小时缺失；根本原因是重采样默认以左闭右开区间划分桶，最后一个日期仅生成一个时间戳（当日 00:00），需通过扩展索引边界并清理冗余项来完整覆盖全部 24 小时。
pandas 的 `resample().ffill()` 在将日频数据升频为小时频时，会因时间范围截断导致末尾日期的 23 小时缺失；根本原因是重采样默认以左闭右开区间划分桶，最后一个日期仅生成一个时间戳（当日 00:00），需通过扩展索引边界并清理冗余项来完整覆盖全部 24 小时。
在使用 Pandas 对时间序列进行升频（upsampling）操作时，resample("h").ffill() 是常见做法：它将每个日度观测值向前填充至对应日内的所有小时点。但实践中常遇到一个隐蔽问题——最后一个日期只生成 1 行（如 2024-01-02 00:00），而非预期的 24 行（2024-01-02 00:00 至 2024-01-02 23:00），导致最终结果长度异常（例如 2 天本应得 48 行，却只返回 25 行）。
问题根源：Resample 的区间规则
Pandas 的 resample(freq="h") 默认按 左闭右开（left-inclusive, right-exclusive） 规则对时间索引分桶。当原始数据最后一天为 2024-01-02（无时分秒，默认为 00:00:00），重采样器将其视为一个精确的时间点，并仅分配到 [2024-01-02 00:00, 2024-01-02 01:00) 这个桶中，因此只生成该时刻一行，后续小时无数据可填充。
解决方案：主动延伸时间边界
标准做法是在原始数据末尾添加一个占位日期（+1 天）并赋 NaN 值，确保重采样器能自然延伸出完整的最后一日 24 小时桶，再通过 dropna() 清理掉新增的无效行：
import pandas as pd
T1 = pd.Timestamp("2024-01-01")
T2 = pd.Timestamp("2024-01-02")
T3 = pd.Timestamp("2024-01-03") # 占位日期：确保覆盖 T2 全天
df = pd.DataFrame({
"T": [T1, T2, T3],
"V": [1, 2, pd.NA] # NA 确保不干扰前向填充
})
result = (df
.set_index("T")
.resample("h")
.ffill()
.dropna(subset=["V"]) # 更安全：仅按目标列过滤
)
print(f"Shape: {result.shape}") # 输出: (48, 1)
print(result.index[:3].tolist()) # [Timestamp('2024-01-01 00:00:00'), ...]
print(result.index[-3:].tolist()) # [..., Timestamp('2024-01-02 21:00:00'), '22:00', '23:00']
注意事项与最佳实践
- ✅ 始终用 dropna(subset=[col]) 替代无参数 dropna()：避免意外删除其他合法空列；
- ✅ 若原始数据含多列，建议在 ffill() 后用 bfill() 或 limit=23 控制填充深度，防止跨日污染；
- ⚠️ 避免依赖 closed/label 参数强行调整（如 closed="right"），因其可能引发时区或边界歧义，且不解决根本逻辑；
- ? 若处理带时区数据（如 tz_localize），务必确保占位日期与原始时区一致，否则 resample 可能报错或产生偏移；
- ? 批量处理时，可封装为函数：
def daily_to_hourly(df, date_col, value_col):
df = df.sort_values(date_col).copy()
last_date = df[date_col].max()
next_date = last_date + pd.Timedelta(days=1)
df_ext = pd.concat([
df,
pd.DataFrame({date_col: [next_date], value_col: [pd.NA]})
], ignore_index=True)
return (df_ext
.set_index(date_col)
.resample("h")
.ffill()
.dropna(subset=[value_col]))
# 使用示例
hourly_df = daily_to_hourly(df, "T", "V")
该方法稳定、可复现，适用于任意长度的日频时间序列，是 Pandas 升频场景下的推荐工程实践。
