如何依据CYCLE_PART列按条件重采样时间序列？

直接给你分步实现的代码和逻辑，针对你需要按CYCLE_PART列区分采样频率的需求：

1. 先准备带CYCLE_PART的时间序列数据 #

假设你已经有生成CYCLE_PART的逻辑，这里整合一个完整的示例（包含数据生成和标记列）：

import pandas as pd
import numpy as np

# 生成测试时间序列数据（1分钟频率，覆盖白天和夜间）
date_rng = pd.date_range(start='2024-01-01 00:00:00', end='2024-01-02 23:59:00', freq='T')
df = pd.DataFrame(date_rng, columns=['timestamp'])
df['value'] = np.random.randn(len(date_rng))  # 随机数值列
df = df.set_index('timestamp')  # 设置时间索引，重采样必须依赖这个

# 生成CYCLE_PART列：示例逻辑为6:00-18:00标记为DAY，其余为NIGHT
df['CYCLE_PART'] = np.where(
    (df.index.hour >= 6) & (df.index.hour < 18),
    'DAY',
    'NIGHT'
)

2. 按CYCLE_PART分组重采样 #

核心思路是拆分两组分别处理，再合并结果：

# 拆分DAY和NIGHT数据集
day_df = df[df['CYCLE_PART'] == 'DAY']
night_df = df[df['CYCLE_PART'] == 'NIGHT']

# 分别按对应频率重采样（这里用均值聚合，你可以换成sum、max、first等自己需要的方式）
day_resampled = day_df.resample('15T').mean()
night_resampled = night_df.resample('30T').mean()

# 合并重采样后的结果，按时间索引排序
final_df = pd.concat([day_resampled, night_resampled]).sort_index()

# 可选：重新映射CYCLE_PART列（因为重采样后该列会被聚合，需要重新标记）
final_df['CYCLE_PART'] = np.where(
    (final_df.index.hour >= 6) & (final_df.index.hour < 18),
    'DAY',
    'NIGHT'
)

关键注意点 #

• 必须确保数据集的索引是datetime类型，否则resample会报错。如果原始数据索引不是时间，先转换：df = df.set_index(pd.to_datetime(df['timestamp']))
• 聚合函数可根据需求灵活替换，比如统计总和用sum()，取第一个值用first()
• 不管你的CYCLE_PART是按小时划分还是自定义时间段，只要列标记正确，拆分重采样的逻辑完全通用

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