如何在Pandas DataFrame中对非UTC时间数据进行重采样？

完全不需要将数据强制转换为UTC时区，只要你的DataFrame索引是时区感知的datetime类型，就可以直接完成重采样操作，步骤如下：

1. 确保索引为带时区的datetime类型 #

首先检查当前索引的类型：

print(df.index.dtype)

• 如果索引是object类型（字符串格式时间），先转换为带时区的datetime：

  # 替换为你的数据实际时区，比如'Asia/Shanghai'、'Europe/London'等
  df.index = pd.to_datetime(df.index).tz_localize('你的时区标识')
  

• 如果索引已经是datetime但无时区信息，直接添加时区：

  df.index = df.index.tz_localize('你的时区标识')
  

• 如果索引时区不正确，可转换为目标时区：

  df.index = df.index.tz_convert('你的目标时区标识')
  

2. 执行10分钟频率重采样 #

索引处理完成后，直接使用resample方法，根据需求选择聚合函数（如均值、求和、取最后一条数据等）：

# 重采样为10分钟，以均值聚合为例，可替换为sum()、last()等
resampled_df = df.resample('10T').mean()

完整示例 #

假设你的数据索引是字符串格式的本地时间，时区为'Asia/Shanghai'，完整代码如下：

import pandas as pd

# 模拟你的数据（仅示例）
data = {'value': [1,2,3,4,5,6,7,8,9,10]}
times = ['2024-05-20 09:01:00', '2024-05-20 09:02:00', '2024-05-20 09:03:00',
         '2024-05-20 09:04:00', '2024-05-20 09:05:00', '2024-05-20 09:06:00',
         '2024-05-20 09:07:00', '2024-05-20 09:08:00', '2024-05-20 09:09:00',
         '2024-05-20 09:10:00']
df = pd.DataFrame(data, index=times)

# 转换索引为带时区的datetime
df.index = pd.to_datetime(df.index).tz_localize('Asia/Shanghai')

# 重采样为10分钟频率
resampled_df = df.resample('10T').mean()

内容的提问来源于stack exchange，提问作者Alex