如何将不规则时间序列数据重采样为规则时间序列？

完全可以通过pandas来实现这个时间序列重采样的需求，下面是针对你给出的示例数据的具体实现步骤：

步骤1：准备并加载原始数据 #

首先我们把你提供的两个数据集转换成pandas能处理的结构，同时将时间戳列解析为datetime类型（这是时间序列处理的关键）：

import pandas as pd

# 模拟第一个数据集的数据
data1 = [
    ("2020-01-01-01:00:00.00", 1),
    ("2020-01-01-01:00:00.30", 1),
    ("2020-01-01-01:00:00.60", 1),
    ("2020-01-01-01:00:00.90", 1),
    ("2020-01-01-01:00:01.20", 1),
    ("2020-01-01-01:00:01.50", 1),
    ("2020-01-01-01:00:01.80", 0),
    ("2020-01-01-01:00:02.10", 0),
    ("2020-01-01-01:00:02.40", 0),
    ("2020-01-01-01:00:02.70", 0),
]

# 模拟第二个数据集的数据
data2 = [
    ("2020-01-01-01:00:00.00", 1),
    ("2020-01-01-01:00:00.30", 1),
    ("2020-01-01-01:00:00.60", 0),
    ("2020-01-01-01:00:00.90", 0),
    ("2020-01-01-01:00:01.20", 0),
    ("2020-01-01-01:00:01.50", 0),
    ("2020-01-01-01:00:01.80", 0),
    ("2020-01-01-01:00:02.10", 0),
    ("2020-01-01-01:00:02.40", 0),
    ("2020-01-01-01:00:02.70", 0),
]

# 转换为DataFrame并解析时间戳
df1 = pd.DataFrame(data1, columns=["time stamp", "value1"])
df1["time stamp"] = pd.to_datetime(df1["time stamp"], format="%Y-%m-%d-%H:%M:%S.%f")

df2 = pd.DataFrame(data2, columns=["time stamp", "value2"])
df2["time stamp"] = pd.to_datetime(df2["time stamp"], format="%Y-%m-%d-%H:%M:%S.%f")

步骤2：设置时间索引并重采样 #

将时间列设置为DataFrame的索引，然后使用resample方法指定目标时间间隔（这里是400毫秒，即"400L"），再用ffill()（向前填充）来获取最近的原始值，这正好匹配你示例中的结果逻辑：

# 设置时间索引
df1 = df1.set_index("time stamp")
df2 = df2.set_index("time stamp")

# 重采样到400毫秒间隔，向前填充值
resampled_df1 = df1.resample("400L").ffill()
resampled_df2 = df2.resample("400L").ffill()

# 合并两个重采样后的数据集
final_df = pd.concat([resampled_df1, resampled_df2], axis=1).reset_index()

步骤3：调整输出格式（可选） #

如果需要让时间戳的格式和你示例完全一致，可以格式化时间列：

final_df["time stamp"] = final_df["time stamp"].dt.strftime("%Y-%m-%d-%H:%M:%S.%f").str[:-4]
# 截取到小数点后两位，匹配示例格式

运行完上面的代码后，final_df就是你想要的结果，输出的核心内容和你给出的目标数据集完全一致。

关键说明 #

• resample("400L")：L代表毫秒单位，400L对应你需要的0.4秒间隔。如果要调整成其他间隔，比如1秒用"1S"、30秒用"30S"即可，非常灵活。
• ffill()：全称forward fill，用最近的前一个有效值填充新生成的时间点。如果你的业务需要用后续值填充，可以换成bfill()；如果需要线性插值补全，用interpolate(method="linear")就行，按需选择即可。

内容的提问来源于stack exchange，提问作者user8840929