时间序列重采样输出异常问题求助：月度重采样结果不符合预期

先拆解你遇到的几个核心问题：月度结果出现NaN、求和值异常（比如64.5），还有日期格式的困惑，咱们一步步来解决。

问题根源分析 #

1. 日期索引未正确配置
   如果你的日期列只是普通字符串，没有转换成datetime类型并设为DataFrame的索引，resample函数根本无法正确识别时间维度，会导致计算逻辑混乱，甚至出现奇怪的数值。
2. 缺失日期未补全
   原始数据存在缺失日期（比如10月2日），默认的resample只会对已有数据点计算，缺失日期的数值会被直接忽略。如果某个月完全没有数据点，就会返回NaN——这就是2015-02-28出现NaN的原因。
3. 异常小数（64.5）的可能原因
   这个小数大概率是因为原始数据中存在非整数数值，或者索引有重复日期（同一日期有多条记录，求和后出现小数）；当然也有可能是你不小心误用了mean()而非sum()（不过你明确说用了sum()，这条可以排除）。

分步解决方案 #

第一步：修复日期索引 #

先把日期列转换成datetime类型，并设置为DataFrame的索引：

import pandas as pd

# 假设你的日期列名为'date'，数值列名为'individuals'
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

第二步：补全日度缺失数据并填充0 #

你提到部分日期值为0、部分缺失，我们需要先把时间序列补全为连续的日度数据，缺失日期填充为0，这样月度求和才会包含所有日期的数值：

# 补全日度数据，缺失日期填充0
df_daily = df.asfreq('D', fill_value=0)

第三步：重采样月度求和 #

现在再进行月度重采样求和，结果就会符合预期：

df_monthly = df_daily['individuals'].resample('M').sum()

第四步：调整日期格式（按需） #

你期望的日期格式看起来是笔误（2015-31-10应该是2015-10-31，即年-月-日的当月最后一天），如果需要修改索引显示格式，可以这样做：

# 转换成标准年-月-日格式（比如2015-10-31）
df_monthly.index = df_monthly.index.strftime('%Y-%m-%d')

# 如果确实需要年-日-月格式（不推荐，不符合常规日期规范）
# df_monthly.index = df_monthly.index.strftime('%Y-%d-%m')

验证结果 #

经过以上步骤后，你的月度数据会显示每个月所有日期的数值之和，无数据的月份会显示0而非NaN；如果原始数据都是整数，求和结果也会是整数，不会出现奇怪的小数。

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