cuDF中DataFrameResampler无interpolate属性问题咨询

问题本质 #

cuDF的DataFrameResampler对象并未实现与pandas一致的interpolate方法，同时你的原cuDF函数存在一处变量名错误：cudf.to_datetime(df[datetime_column])中误用了df（函数参数为gdf），这会触发额外的KeyError。

修正后的实现方案 #

通过先生成目标频率的完整时间索引，再用reindex对齐数据后执行插值，替代原pandas风格的链式调用：

def g_resample_and_interpolate(gdf, datetime_column):
    # 修正变量名错误，转换datetime列格式并设置索引
    gdf[datetime_column] = cudf.to_datetime(gdf[datetime_column])
    gdf = gdf.set_index(datetime_column)

    # 生成1分钟频率的完整时间序列索引（覆盖原数据的时间范围）
    min_time = gdf.index.min()
    max_time = gdf.index.max()
    minute_index = cudf.date_range(start=min_time, end=max_time, freq='1T')

    # 重索引到分钟级，自动填充NaN，然后执行线性插值
    gdf_resampled = gdf.reindex(minute_index).interpolate(method='linear')

    # 按小时重采样，取每个小时第一个值后前后填充
    resampled_gdf = gdf_resampled.resample('1H').first().ffill().bfill()

    # 重置索引恢复datetime列
    resampled_gdf = resampled_gdf.reset_index()

    return resampled_gdf

关键步骤说明 #

• 生成完整分钟索引：用cudf.date_range生成覆盖原数据时间范围的1分钟间隔索引，确保所有时间点都被包含。
• 重索引+插值：通过reindex将原数据对齐到分钟索引，缺失值自动设为NaN，之后直接调用DataFrame的interpolate方法执行线性插值（cuDF的DataFrame原生支持此方法）。
• 修正变量名错误：将原函数中cudf.to_datetime(df[datetime_column])的df改为gdf，避免变量未定义的错误。

验证调用 #

确保调用时传入的是cuDF DataFrame对象：

g_resample_and_interpolate(gdf_dict[20000019], 'charttime')

内容的提问来源于stack exchange，提问作者Muhammad Ikhwan Perwira