Pandas Series累计乘积重采样：自定义日频聚合方法求解

你的问题出在asfreq要求原时间索引必须唯一且单调，而数据里的秒级重复索引违反了这个要求，导致调用失败。改用resample方法就能处理非唯一索引的时间序列，同时支持自定义聚合逻辑。

基础聚合（内置方法） #

如果只是需要常见的聚合逻辑（比如取当日首/末值、均值、求和），直接用resample搭配内置聚合函数即可：

取每日最后一个数据点（等效于ffill到日频的核心需求） #

freq = "D"
compounded_daily = compounded.resample(freq).last()

取每日第一个数据点 #

compounded_daily = compounded.resample(freq).first()

其他内置聚合示例 #

# 每日均值
compounded_daily = compounded.resample(freq).mean()
# 每日求和
compounded_daily = compounded.resample(freq).sum()

自定义聚合函数 #

如果需要更复杂的逻辑，比如根据日内数据做自定义计算，直接给apply传入自定义函数即可：

def daily_custom_agg(sub_df):
    # sub_df是对应单日的所有秒级数据子集
    # 示例：计算当日最大值与最小值的平均值
    return (sub_df.max() + sub_df.min()) / 2

# 应用自定义函数到每日分组
compounded_daily = compounded.resample("D").apply(daily_custom_agg)

resample会自动将所有秒级数据按日期分组，不管原索引是否重复，都能精准归类到对应的日区间中，生成的结果索引就是每日的起始时间（如YYYY-MM-DD 00:00:00），和asfreq的输出格式一致。

内容的提问来源于stack exchange，提问作者Mikko Ohtamaa