如何用Pandas将日度时间序列重采样为月度，取每月首个有效值

你的问题出在resample('MS').first()只会取当月第一天的行数据，哪怕当天的DTB6是缺失值，它也不会自动往后查找第一个有效值。要实现“每月首个非缺失值”的需求，可以用以下两种方法：

方法一：先清理缺失值再重采样 #

先移除DTB6列的缺失行，再对清理后的数据按月份取第一个值：

# 移除DTB6为缺失值的行
df_clean = df.dropna(subset=['DTB6'])
# 按每月初重采样，取第一个有效值
monthly_data = df_clean.resample('MS').first()

这种方法简单直接，缺点是如果某个月全是缺失值，该月会直接从结果中消失。

方法二：自定义重采样逻辑（保留所有月份） #

如果需要保留所有月份（即使当月无有效值也显示缺失），可以用resample结合自定义lambda函数，专门提取区间内第一个非缺失值：

monthly_data = df.resample('MS').apply(
    lambda x: x['DTB6'].dropna().iloc[0] if not x['DTB6'].dropna().empty else pd.NA
)
# 转成DataFrame格式（如果需要和原结构一致）
monthly_data = monthly_data.to_frame('DTB6')

这个逻辑会遍历每个月的区间：

• 先过滤出该月内DTB6的非缺失值
• 如果有有效值就取第一个，没有则返回pd.NA保留该月份

验证结果 #

可以用print(monthly_data)查看结果，比如5月1日缺失但2日有值的情况，结果里5月对应的就是2日的DTB6值。

内容的提问来源于stack exchange，提问作者undiv