怎样在Python中使用Pandas对时间序列数据进行重采样？-Python教程-PHP中文网

重采样前必须确保索引为datetimeindex，否则报错；freq参数需明确时区与边界（如'ms'非'm'）；聚合方法应依业务选mean/first/sum；升采样须指定fill_method；时间对齐逻辑须先明确业务定义。

怎样在python中使用pandas对时间序列数据进行重采样？

重采样前必须确保索引是DatetimeIndex

如果 df.index 不是时间类型，resample() 会直接报错 TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex。常见错误是读取 CSV 后没设索引或没转换类型：

用 pd.read_csv(..., parse_dates=['date'], index_col='date') 一步到位
已有列但未设索引：先 df['date'] = pd.to_datetime(df['date'])，再 df = df.set_index('date')
已设索引但类型不对：检查 type(df.index)，若不是 DatetimeIndex，强制转换 df.index = pd.DatetimeIndex(df.index)

resample() 的 freq 参数不能只写 'M' 或 'D'

freq 必须明确时区语义和边界行为，比如 'M' 默认指“月末”，而 'MS' 才是“月初”。写错会导致数据截断或对齐偏移：

Python 3.14.2

Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。

下载

月度汇总常用 'MS'（Month Start）或 'M'（Month End），别混用
小时级下采样写 '2H'，不是 '2h'（大小写敏感）
周频推荐用 'W-MON' 明确起始日，避免默认 'W-SUN' 导致周一数据被归到上周
遇到 ValueError: Invalid frequency，查 pandas offset aliases 文档核对缩写

聚合方式选 mean() 还是 first() 取决于业务含义

重采样本质是分组 + 聚合，不同方法结果差异很大，不能无脑用 mean()：

温度、股价等连续量适合 mean() 或 ohlc()
状态类字段（如设备在线/离线）必须用 first() 或 last()，否则 mean() 会返回浮点数，失去语义
计数类字段（如请求次数）应先用 sum()，而不是 count() —— 后者只统计非空值个数，前者才累加原始数值
混合类型 DataFrame 重采样前建议显式指定列和方法：df.resample('D')[['temp', 'status']].agg({'temp': 'mean', 'status': 'last'})

升采样（upsampling）必须配合 fill_method 或 fill_value

从日频升到小时频（如 'D' → 'H'）会产生大量空行，默认全为 NaN，直接绘图或计算会出错：

用 ffill() 填充前向值（适用于状态保持场景）
用 bfill() 填充后向值（适用于预测回填）
用 asfreq(fill_value=0) 填充固定值（适用于计数清零逻辑）
注意 resample().ffill() 和 resample().asfreq().ffill() 行为不同：前者只填充组内空隙，后者先扩维再填充，容易多出无效时间点