基于时段填充列值：按10分钟重采样并从指定时间向后填充数据

我明白你想要实现的需求了——按10分钟间隔重采样数据，并且只在每天从06:00开始到对应记录时间的这段窗口内，用该记录的值填充，其余时段保留NaN。下面我来一步步教你用Pandas实现这个逻辑：

• 首先确保时间戳列是datetime类型并设置为索引，这是Pandas处理时间序列的基础：

import pandas as pd

# 假设你的数据已经读入DataFrame
df['timestamp'] = pd.to_datetime(df['timestamp'])
df = df.set_index('timestamp')

• 生成覆盖所需时段的完整10分钟重采样时间序列，我们从最早记录日期的06:00开始，到最晚记录日期次日的06:00结束，保证所有需要的时段都被覆盖：

# 计算重采样的起始和结束时间
start_time = df.index.min().normalize() + pd.Timedelta(hours=6)
end_time = df.index.max().normalize() + pd.Timedelta(days=1, hours=6)
# 生成10分钟间隔的时间索引
resampled_index = pd.date_range(start=start_time, end=end_time, freq='10T')
# 创建空的重采样DataFrame
resampled_df = pd.DataFrame(index=resampled_index, columns=['col1'])

• 遍历每个原始数据点，精准填充对应的时间窗口：
  对于每条记录，我们只填充当天06:00到该记录时间的最后一个10分钟整点之间的所有间隔，之后的时段保持NaN，完全匹配你想要的效果：

for idx, row in df.iterrows():
    # 获取当前记录日期的06:00
    day_start = idx.normalize() + pd.Timedelta(hours=6)
    # 获取记录时间的前一个10分钟整点（比如09:21:00对应09:20:00）
    last_interval = idx.floor('10T')
    # 只有当天06:00早于等于这个整点时才进行填充
    if day_start <= last_interval:
        # 筛选出需要填充的时间范围
        fill_mask = (resampled_df.index >= day_start) & (resampled_df.index <= last_interval)
        resampled_df.loc[fill_mask, 'col1'] = row['col1']

运行完这段代码后，resampled_df就是你想要的结果啦——每天从06:00开始用对应记录的值填充，直到该记录时间的前一个10分钟间隔，之后到次日06:00前都是NaN，下一条记录则从次日06:00开始重复这个逻辑。

备注：内容来源于stack exchange，提问作者prof32