如何在Pandas中将小时级数据重采样为半小时级并重复数值？

我有一个名为prices的DataFrame，数据如下：

DateTime              PriceAmountGBP
0   2022-03-27 23:00:00 202.807890
1   2022-03-28 00:00:00 197.724150
... ... ...
23  2023-01-24 22:00:00 149.039322

我希望将prices从小时级数据重采样为半小时级，让PriceAmountGBP在对应半小时重复，期望输出如下：

DateTime                PriceAmountGBP
0   2022-03-27 23:00:00 202.807890
1   2022-03-27 23:30:00 202.807890
... ... ...
23  2023-01-24 20:00:00 168.227992

我尝试了以下代码，但结果不符合需求：

prices.set_index('DateTime').resample('30T').interpolate()

该代码输出的是插值后的数值，而非重复原小时数值，寻求正确的实现方法。

你需要的是**向前填充（forward fill）**原小时的数值，而非插值计算新值，以下是几种可行的实现方式：

方法1：重采样后使用ffill() #

# 设置DateTime为索引，重采样为30分钟频率，向前填充原数值
result = prices.set_index('DateTime').resample('30T').ffill()

resample('30T')会生成半小时间隔的时间索引，ffill()会将前一个存在的小时数值填充到新增的半小时行中，完全匹配你的需求。

方法2：使用asfreq()结合ffill() #

如果原数据的时间索引是连续的小时级序列，也可以直接转换频率再填充：

prices.set_index('DateTime').asfreq('30T').ffill()

asfreq('30T')会生成半小时频率的索引，缺失的数值通过ffill()复用前一小时的数据。

方法3：手动生成索引并重新对齐 #

若需要更灵活的时间范围控制，可以手动创建半小时频率的索引后重新对齐数据：

import pandas as pd

# 生成从原数据起始到结束的半小时频率索引
new_index = pd.date_range(start=prices['DateTime'].min(), end=prices['DateTime'].max(), freq='30T')
# 设置原索引，重新索引后向前填充
result = prices.set_index('DateTime').reindex(new_index).ffill()

以上方法都会让原小时的PriceAmountGBP值重复到对应的半小时行中，与你期望的输出一致。

内容的提问来源于stack exchange，提问作者K.Best