如何将不规则5分钟间隔气象数据重采样为小时数据？

数据时间序列不规整：2017年1月2日00:00:00因记录仪故障无数据，故障修复后从当日00:03:00恢复记录。此外，数据还存在间隔超过5分钟的情况（例如2017年1月3日00:05:00记录后，下一条记录为00:17:00，有时故障甚至无法当日修复）。需要将数据重采样为小时间隔数据（比如5分钟间隔）。

用Python的pandas库可以高效处理这类问题，以下是具体流程：

1. 读取并预处理数据 #

将数据加载后，合并日期和时间列生成完整时间戳，并设置为索引：

import pandas as pd

# 读取数据（假设数据存储在csv文件，也可直接用列表构造DataFrame）
df = pd.read_csv('weather_data.csv')

# 合并日期与时间，转换为datetime类型
df['datetime'] = pd.to_datetime(df['Date'] + ' ' + df['Time'])

# 设置时间戳为索引，删除原日期、时间列
df = df.set_index('datetime').drop(['Date', 'Time'], axis=1)

2. 生成目标规整时间序列 #

根据需要的小时间隔（以5分钟为例），创建覆盖原始数据时间范围的连续时间轴：

# 获取数据的起始和结束时间，生成5分钟间隔的连续时间索引
start_time = df.index.min().floor('5min')
end_time = df.index.max().ceil('5min')
target_index = pd.date_range(start=start_time, end=end_time, freq='5min')

3. 对齐原始数据到目标时间轴 #

将原始数据重新索引到目标时间序列，缺失位置用NaN占位：

df_resampled = df.reindex(target_index)

4. 填充缺失值 #

根据气象参数的特性选择合适的填充方式：

• 温度、气压：连续变化的参数，用线性插值保证数据平滑性
• 风速：用前向填充保留最后一次观测值，直到下一次有有效数据
• 降水量：无记录时段通常填充0（若确认是故障导致缺失，可标记后再处理）

示例代码：

# 温度、气压采用线性插值
df_resampled[['Temperature_C', 'Pressure_hPa']] = df_resampled[['Temperature_C', 'Pressure_hPa']].interpolate(method='linear')

# 风速用前向填充
df_resampled['Wind speed_kmph'] = df_resampled['Wind speed_kmph'].ffill()

# 降水量缺失值填充0
df_resampled['Precipitation Rate_mm'] = df_resampled['Precipitation Rate_mm'].fillna(0)

5. 处理长时间缺失 #

若遇到几小时以上的故障缺失：

• 直接保留NaN，避免插值引入错误
• 标记缺失时段，后续分析时排除
• 结合同期历史数据填充（如有）

6. 验证结果 #

检查重采样后的数据是否符合预期：

print(df_resampled.head(20))

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