使用asammdf（Python）创建MDF文件时时间索引错误问题

你的推测完全正确：asammdf在默认情况下，直接append整个DataFrame时会自动生成一个步长为1秒的时间轴，这就导致实际采样间隔15ms的数据被错误拉长了约66.6倍。要解决这个问题，你只需要告诉asammdf使用DataFrame中已有的精确时间戳即可，这里有两种简便的实现方法：

方法一：使用append的time_column参数（推荐） #

这是最直接的方式，只需在调用append时指定DataFrame中的时间列，asammdf会自动解析该列的时间作为每个样本的时间戳：

import pandas as pd
import numpy as np
from asammdf import MDF, Signal

data = {
    "TIME": pd.date_range(start='2024-01-01', periods=200, freq='15ms'),
    "FLOAT_SIGNAL": np.random.rand(200),
}
df = pd.DataFrame(data)

mdf_obj = MDF()
# 指定TIME列作为时间轴，asammdf会自动处理datetime格式
mdf_obj.append(df, time_column="TIME")
mdf_obj.save(f"C:\\Users\\user\\Desktop\\output.mdf", compression=2)

这个方法支持datetime64格式或Unix时间戳（整数/浮点数）的列，无需额外转换，asammdf会自动完成时间格式的适配。

方法二：手动创建Signal对象并指定时间戳 #

如果你需要更精细地控制信号属性（比如单位、描述等），可以手动为每个数据列创建Signal对象，并显式传入时间戳数组：

import pandas as pd
import numpy as np
from asammdf import MDF, Signal

data = {
    "TIME": pd.date_range(start='2024-01-01', periods=200, freq='15ms'),
    "FLOAT_SIGNAL": np.random.rand(200),
}
df = pd.DataFrame(data)

# 将datetime列转换为asammdf支持的秒级Unix时间戳
# datetime64转纳秒整数后除以1e9得到秒数
timestamps = df["TIME"].astype(np.int64) / 1e9

# 创建信号对象，指定样本数据、名称和时间戳
float_signal = Signal(
    samples=df["FLOAT_SIGNAL"].values,
    name="FLOAT_SIGNAL",
    unit="",  # 可根据实际需求填写单位，比如"V"或"%"
    timestamps=timestamps
)

mdf_obj = MDF()
# 添加信号到MDF对象
mdf_obj.append([float_signal])
mdf_obj.save(f"C:\\Users\\user\\Desktop\\output.mdf", compression=2)

验证效果 #

使用上述任意一种方法后，生成的MDF文件时间轴会与你DataFrame中的TIME列完全一致：示例中的200个样本总时长应为2024-01-01 00:00:02.985 - 2024-01-01 00:00:00.000 = 2.985秒，而非默认的199秒。对于你实际的9分钟数据，MDF也会正确显示对应的时长。

内容的提问来源于stack exchange，提问作者jB777