Pandas interpolate插值未返回预期结果求助

问题背景 #

原始CSV数据格式如下（BaseDateTime代表相邻条目间的时间差，单位：秒）：

MMSI,BaseDateTime,LAT,LON,SOG,COG

11,0,27.29237,-90.96787,0.1,195.7
11,360,27.29237,-90.96793,0.1,188.0
111, 0,27.3538,-94.6253,0.1,35.3
111,180,27.35376,-94.62543,0.1,225.5

目标是将不均匀时间间隔转换为每30秒一条记录，但现有代码运行后，时间维度符合要求，但LAT、LON、SOG、COG字段未产生合理插值变化，输出示例：

MMSI,BaseDateTime,Latitude,Longitude,SOG,COG
11,0.0,27.29237,-90.96787,0.1,195.7
11,30.0,27.29237,-90.96787,0.1,195.7
...
11,360.0,27.29237,-90.96787,0.1,195.7

问题原因 #

核心错误在于时间索引的处理逻辑：
原代码直接将BaseDateTime（相邻时间差）转为timedelta作为索引，但resample需要基于连续的累计时间戳（即每个数据点对应的实际时间点），而非间隔值。比如MMSI=11的两条数据，实际时间点是0秒和360秒（0+360），但原代码把索引设为0秒和360秒的间隔值，导致resample时无法识别这两个点是时间轴上的起止点，插值只会沿用前值。

解决方案 #

修改代码，先为每个MMSI组计算累计时间戳，再基于累计时间轴进行resample和插值：

import pandas as pd
import numpy as np

def interpolater(df: np.ndarray):
    # 转换为DataFrame并修正字段类型
    df = pd.DataFrame(df, columns=['MMSI', 'BaseDateTime', 'LAT', 'LON', 'SOG', 'COG'])
    df['BaseDateTime'] = df['BaseDateTime'].astype(float)
    df[['LAT', 'LON', 'SOG', 'COG']] = df[['LAT', 'LON', 'SOG', 'COG']].astype(float)

    interpolated_dfs = []
    # 按MMSI分组处理单船数据
    for mmsi, group in df.groupby('MMSI'):
        # 关键修改：计算累计时间戳（将相邻时间差转为实际时间点）
        group['cum_time'] = group['BaseDateTime'].cumsum()
        # 用累计时间戳作为索引，转为timedelta格式
        group = group.set_index('cum_time')
        group.index = pd.to_timedelta(group.index, unit='s')
        
        # 按30秒间隔重采样，执行线性插值
        resampled = group.resample('30S').interpolate(method='linear')
        # 恢复MMSI字段（resample会丢失分组标识）
        resampled['MMSI'] = mmsi
        
        # 重置索引，将累计时间转为秒数作为新的BaseDateTime
        resampled = resampled.reset_index()
        resampled['BaseDateTime'] = resampled['cum_time'].dt.total_seconds()
        # 保留目标输出列
        resampled = resampled[['MMSI', 'BaseDateTime', 'LAT', 'LON', 'SOG', 'COG']]
        
        interpolated_dfs.append(resampled)

    # 合并所有分组结果并转为NumPy数组
    interpolated_df = pd.concat(interpolated_dfs)
    return interpolated_df.to_numpy()

验证效果 #

修改后，MMSI=11的330秒处的LON值会是线性插值结果：
-90.96787 + (-90.96793 - (-90.96787)) * (330 / 360) = -90.967925
其他字段也会按时间比例生成合理的插值结果，时间轴保持每30秒一条记录。

内容的提问来源于stack exchange，提问作者Andreas Ravnholt