resample必须先设置datetimeindex，因它仅支持datetimeindex、timedeltaindex或periodindex；若时间列为普通列，需先转datetime类型再set_index，否则报错。
resample 为什么必须先设置 datetimeindex
因为 resample 不是普通聚合函数，它只作用于具有时间索引的 DataFrame 或 Series。如果时间列只是普通列（比如叫 'date'），直接调用 df.resample('D') 会报错：TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex。
正确做法是先用 set_index() 把时间列设为索引，再调用 resample：
df = df.set_index('date')<br>df_resampled = df.resample('D').mean()
注意：如果 'date' 列还不是 datetime 类型，得先转换：df['date'] = pd.to_datetime(df['date'])，否则 set_index 后索引仍是 object 类型，resample 依然失败。
常见频率字符串怎么选：'D'、'MS'、'15T' 的区别
频率字符串决定重采样窗口的边界和对齐方式，选错会导致数据偏移或丢失。
-
'D'：日频，窗口从当天 00:00 开始，到 23:59:59.999 结束 -
'MS'：月起始频（Month Start），窗口从每月 1 日 00:00 开始，不是自然月（如 1 月 1 日 → 2 月 1 日） -
'M'：月结束频（Month End），窗口截止到每月最后一天 23:59:59.999 -
'15T'：15 分钟频（T = minute），窗口按整点对齐（如 00:00–00:14、00:15–00:29），不是按原始数据时间截断
例如，原始数据最早时间是 '2023-01-01 08:03'，用 resample('D') 仍会从 '2023-01-01' 开始聚合；但用 resample('24H') 则从该时间点向后推 24 小时切分，行为不同。
如何保留原始时间戳作为新索引的起点
默认 resample 返回的索引是窗口的右边界（如 'D' 对应每天 23:59:59.999），常让人困惑。想让索引显示窗口左边界（如每天 00:00），加参数 label='left' 和 closed='left'：
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。
df.resample('D', label='left', closed='left').mean()
其中：
– label 控制返回索引显示哪一端（'left' 或 'right'）
– closed 控制区间是否包含左/右端点（'left' 表示 [start, end)，'right' 表示 (start, end]）
二者需配合使用，否则可能漏掉首条或末条数据。
聚合时遇到 NaN 怎么办：agg() 里指定不同列不同函数
时间序列中，不同字段适合不同聚合逻辑：数值列常用 mean() 或 sum()，但状态类字段（如 'status'）可能需要 first() 或 last()，而计数类字段要 count()。
直接传函数（如 .mean()）会统一处理所有数值列，不够灵活。改用 agg() 并传入字典：
df.resample('H').agg({<br> 'temperature': 'mean',<br> 'humidity': 'max',<br> 'device_id': 'nunique',<br> 'event_flag': 'sum'<br>})
注意：
– 字典 key 必须是列名，value 是函数名字符串或实际函数对象
– 若某列未在字典中，会被自动丢弃
– 'nunique' 这类非标准函数名可用字符串，也可传 pd.Series.nunique
重采样本身不补数据，遇到全 NaN 窗口，默认返回 NaN；如需填充，得在 resample 后链式调用 fillna() 或 bfill()，不能靠 resample 参数解决。
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！
