为何resample后调用interpolate全为NaN，而mean却正常？

问题背景 #

我有一个存在时间间隔的DataFrame，数据点比如2023-10-02 10:00、2023-10-02 10:10，随后跳至2023-10-03 10:00、2023-10-03 10:10。使用resample('20min')重采样时间序列后，调用interpolate(method="slinear", limit_direction="both",fill_value="extrapolate", order=2)填充缺失值，结果所有数据变为NaN；但使用mean()时却能保留部分有效数据。相关代码及输出如下：

原始数据示例 #

100 102 104
Date            
10/2/2023 9:43  202.7250    202.9100    203.3800
10/2/2023 9:52  203.3000    203.2250    203.5100
...
10/3/2023 8:53  204.2175    204.0425    204.3575

interpolate输出全NaN #

rule_1='20min'
df.index=pd.to_datetime(df.index)
df_2=df.resample(rule=rule_1).interpolate(method="slinear", limit_direction="both",fill_value="extrapolate", order=2) 
df_2.tail(13)
    100 102 104
Date            
2023-10-03 04:40:00 NaN NaN NaN
...
2023-10-03 08:40:00 NaN NaN NaN

mean输出保留有效数据 #

rule_1='20min'
df.index=pd.to_datetime(df.index)
df_1=df.resample(rule=rule_1).mean()
df_1.tail(13)
    100 102 104
Date            
2023-10-03 04:40:00 NaN NaN NaN
...
2023-10-03 08:40:00 204.18125   204.44125   204.69250

原因分析 #

• 分组内插值逻辑不适用：resample('20min').interpolate()是先按20分钟窗口分组，再在每个分组内部执行插值。你的原始数据中，绝大多数窗口里只有0个或1个数据点——线性插值（slinear）需要至少两个点计算斜率，单个点无法生成插值结果，无数据点的窗口直接返回NaN，最终所有结果都是NaN。
• 均值计算的逻辑匹配场景：resample('20min').mean()是对每个窗口内的现有数据取平均。只要窗口内存在原始数据（比如2023-10-03 08:40:00窗口包含10/3/2023 8:53的数据），就能算出有效均值；无数据的窗口才返回NaN，因此能保留部分有效数据。
• 参数冲突导致插值失效：你同时指定了method="slinear"（一阶线性插值，无需order参数）和order=2（对应二次插值），这两个参数互斥，会干扰插值逻辑，进一步导致全NaN结果。

正确的插值做法 #

应该先生成完整的重采样时间框架，再对整个序列执行插值，而不是在分组内插值：

rule_1='20min'
df.index=pd.to_datetime(df.index)
# 生成完整的20分钟间隔时间序列，缺失值用NaN填充
df_resampled = df.resample(rule=rule_1).asfreq()
# 对整个序列执行线性插值
df_filled = df_resampled.interpolate(method="slinear", limit_direction="both")

内容的提问来源于stack exchange，提问作者roudan