如何利用DateIndex将日度DataFrame重采样为小时级并填充当日值

现有日度DataFrame：

date,Prices
2018-01-01,  45.338
2018-01-02,  39.955

需求：将其转换为小时级数据，当日每小时均使用该日的Prices值，最终得到包含每日24小时记录的DataFrame。

已通过以下代码读取数据：

dfr     =  pd.read_csv('input.csv', parse_dates=True,index_col=0,
                       infer_datetime_format=True,
                       cache_dates=True)

尝试两种方法均未达到预期：

1. 调用DatetimeIndex的resample方法报错：

new_df = dfr.index.resample("H").ffill().rename(
     {"Prices"}, axis=1
 )

报错信息：

AttributeError: 'DatetimeIndex' object has no attribute 'resample'

2. 使用resample+mean仅保留当日0点数值，其余小时为NaN：

new_dfr = dfr.resample(rule='H')['Prices'].mean()

正确实现方法 #

方法1：resample + 前向填充（ffill） #

resample是DataFrame/Series的方法，而非DatetimeIndex的方法。重采样为小时级后，用ffill()将当日0点的价格填充到该日所有小时行：

new_dfr = dfr.resample('H').ffill()

方法2：resample + pad（与ffill等价） #

pad()和ffill()功能完全一致，都是向前填充缺失值：

new_dfr = dfr.resample('H').pad()

方法3：手动生成小时索引 + 重索引填充 #

先构造完整的小时级时间序列，再通过reindex对齐并填充：

# 生成包含所有目标小时的时间索引
hourly_index = pd.date_range(
    start=dfr.index.min(), 
    end=dfr.index.max() + pd.Timedelta(hours=23), 
    freq='H'
)
# 重索引并前向填充价格值
new_dfr = dfr.reindex(hourly_index).ffill()

以上三种方法均可得到每日24小时均填充对应日价格的DataFrame。

内容的提问来源于stack exchange，提问作者diedro