如何在Datetime索引DataFrame中查找前后时间戳并插值温度？

我有一个以Datetime类型为索引的DataFrame df_temp，索引值为[2023-05-10 17:00:00, 2023-05-10 18:00:00, 2023-05-10 19:00:00]，需要查找指定时间戳timestamp=2023-05-10 17:49:45.551401对应的前一个和后一个索引值（预期结果为[2023-05-10 17:00:00, 2023-05-10 18:00:00]）。该DataFrame包含两种温度数据列，我需要对指定时间戳的温度进行插值计算。

尝试以下代码获取前后时间戳时触发错误：

next =df_temp.index[(timestamp-[df_temp.index[df_temp.index > timestamp]])/np.timedelta64(1,'D').TimedeltaIndex()]
prev =df_temp.index[([df_temp.index[df_temp.index < timestamp]]-timestamp)/np.timedelta64(1,'D').TimedeltaIndex()]

报错信息：

TypeError: unsupported operand type(s) for -: 'Timestamp' and 'list'

同时不清楚如何在Python中对Datetime对象进行插值操作，求解决方案。

1. 修复前后时间戳获取逻辑 #

报错原因是你将筛选后的索引用方括号包裹成了列表，而Timestamp和列表无法直接执行减法运算。利用Pandas DatetimeIndex的有序特性，可以通过以下两种方式快速获取目标时间的前后索引：

方法一：通过插入位置定位 #

import pandas as pd

timestamp = pd.Timestamp('2023-05-10 17:49:45.551401')
# 获取目标时间戳在索引中的插入位置（method='bfill'返回第一个大于目标值的索引位置）
pos = df_temp.index.get_loc(timestamp, method='bfill')
prev_idx = df_temp.index[pos-1]
next_idx = df_temp.index[pos]

方法二：直接筛选极值 #

# 取所有小于目标时间的索引中的最大值作为前一个索引
prev_idx = df_temp.index[df_temp.index < timestamp].max()
# 取所有大于目标时间的索引中的最小值作为后一个索引
next_idx = df_temp.index[df_temp.index > timestamp].min()

2. 温度插值计算 #

针对时间序列的插值，Pandas提供了便捷的内置方法，也可以手动实现线性插值验证：

方法一：用Pandas内置插值（推荐） #

# 构造包含目标时间戳的新索引并排序
new_index = df_temp.index.append(pd.Index([timestamp])).sort_values()
# 重新索引并基于时间间隔进行线性插值
interpolated_df = df_temp.reindex(new_index).interpolate(method='time')
# 获取目标时间戳的插值结果
target_temperatures = interpolated_df.loc[timestamp]

method='time'会根据时间间隔自动计算线性插值，完全适配时间序列场景。

方法二：手动实现线性插值 #

# 获取前后索引对应的温度数据
prev_temp = df_temp.loc[prev_idx]
next_temp = df_temp.loc[next_idx]

# 计算时间占比
total_seconds = (next_idx - prev_idx).total_seconds()
elapsed_seconds = (timestamp - prev_idx).total_seconds()
ratio = elapsed_seconds / total_seconds

# 计算线性插值结果
interpolated_temp = prev_temp + (next_temp - prev_temp) * ratio

内容的提问来源于stack exchange，提问作者Lisa Ulbrich