如何在Pandas DataFrame中对非均匀时间列进行双倍采样并插值数据？

问题描述 #

现有如下结构的Pandas DataFrame：

>>> pd.DataFrame({'time':[1,2,3], 'data':[10,20,30]})
   time  data
0     1    10
1     2    20
2     3    30

需要在每一对相邻时间点之间插入中间行（时间为两点的平均值），并对data列做线性插值。预期结果如下：

time  data
0   1.0    10
1   1.5    15
2   2.0    20
3   2.5    25
4   3.0    30

注意：time列不一定是均匀间隔的，例如以下数据集同样需要支持：

>>> pd.DataFrame({'time':[1,2.1,3], 'data':[10,20,30]})
   time  data
0   1.0    10
1   2.1    20
2   3.0    30

由于时间间隔不均匀，resample方法不适用。

解决方案 #

可以通过生成包含原时间点和中间点的新时间序列，再结合线性插值实现需求，以下是两种简洁的实现方式：

方法一：合并时间点后插值

import pandas as pd
import numpy as np

# 加载你的数据
df = pd.DataFrame({'time':[1,2.1,3], 'data':[10,20,30]})

# 计算所有相邻时间点的中间值，与原时间数组合并后排序
mid_times = (df['time'].iloc[:-1] + df['time'].iloc[1:]) / 2
new_time = np.sort(np.concatenate([df['time'], mid_times]))

# 创建新DataFrame并对缺失的data列做线性插值
new_df = pd.DataFrame({'time': new_time}).merge(df, on='time', how='left').interpolate(method='linear')

print(new_df)

方法二：重新索引后插值

import pandas as pd
import numpy as np

df = pd.DataFrame({'time':[1,2.1,3], 'data':[10,20,30]})

# 生成包含原时间点和中间点的排序后的时间序列
new_time = np.concatenate([df['time'], (df['time'].shift() + df['time'])/2]).dropna().sort_values()

# 将原数据按time设为索引，重新索引到新时间序列后插值，最后重置索引
new_df = df.set_index('time').reindex(new_time).interpolate(method='linear').reset_index().rename(columns={'index':'time'})

print(new_df)

说明 #

两种方法的核心逻辑一致：

1. 生成包含原始时间点和所有相邻时间中间点的新时间序列
2. 基于新时间序列重构DataFrame，对缺失的data值执行线性插值
   这种方式不受时间间隔是否均匀的限制，完全适配你的需求。

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