Pandas下采样非均匀时间序列至固定6小时点遇异常求助

问题背景 #

需要将非均匀亚小时间隔的数据集下采样为6小时频率，固定时间点为00:00、06:00、12:00、18:00，规则如下：

• 若目标时间点存在原始数据，直接保留该数据；
• 若目标时间点无原始数据，取最近的前序原始数据，不做额外处理。

使用data.resample('6H').last()时出现异常：从2022-10-31开始，18:00的采样结果取到的是17:30的数据，而非预期的18:00数据点。

问题原因 #

默认的resample('6H')会以数据集的第一个时间点（此处为2022-10-29 18:00）作为区间起始点划分6小时窗口，导致窗口标签与需求的固定时间点错位：

• 2022-10-31 12:00~18:00的窗口包含到17:30的数据，last()会取该窗口的最后一条数据（17:30）；
• 2022-10-31 18:00的原始数据被划分到18:00~次日00:00的窗口中，无法作为18:00时间点的采样结果。

解决方案 #

方法一：指定resample的origin参数对齐固定时间点 #

通过origin参数强制将6小时窗口的起始点对齐到每天的00:00，让窗口标签完全匹配需求的固定时间点，last()即可正确取到每个窗口内的最后一条数据（包括目标时间点本身）。

# 对齐到每天的起始时间（00:00）
resampled_data = data.resample('6H', origin='start_day').last()

# 或直接指定明确的起始时间，确保完全匹配
resampled_data = data.resample('6H', origin='2022-10-29 00:00:00').last()

方法二：生成目标时间序列后用前向填充 #

直接生成符合要求的固定时间点序列，再用reindex结合前向填充（method='ffill'）实现需求，这种方式更直观，完全匹配规则逻辑：

# 生成目标时间序列：从数据最早日期的00:00到最晚日期的00:00，间隔6小时
start_time = data.index.min().floor('D')
end_time = data.index.max().ceil('D')
target_time_points = pd.date_range(start=start_time, end=end_time, freq='6H')

# 前向填充：存在数据则保留，无数据取最近前序数据
resampled_data = data.reindex(target_time_points, method='ffill')

结果验证 #

两种方法均能得到符合预期的结果，例如2022-10-31 18:00的采样值会是原始数据中的8790.3，而非17:30的8790.4。

内容的提问来源于stack exchange，提问作者Jane