如何对含浮点型连续时间索引的Pandas DataFrame重采样统计每秒事件数？

当你的DataFrame索引是代表秒数的浮点数时，确实没法直接用resample（它只支持datetime类索引），不过我们可以用分组+索引取整的方式轻松实现需求，核心思路就是把每个浮点索引映射到它所在的整秒区间，再按区间分组求和。

具体实现步骤 #

• 第一步：给每个浮点索引生成对应的整秒分组键——用np.floor()对索引做向下取整，比如0.2秒会被归到0秒区间，1.9秒归到1秒区间，完美匹配整秒的左闭右开区间逻辑。
• 第二步：用这个分组键对DataFrame分组，然后对value列求和，就能得到每个整秒内的事件总数。

示例代码 #

先基于你给出的示例数据，加上统计逻辑：

import pandas as pd
import numpy as np

# 生成示例数据：0到5秒，步长0.2秒，value是0或1
df = pd.DataFrame(data={'value': np.random.randint(0,2,25)}, index = np.arange(0,5,0.2))

# 简洁写法：直接按索引的向下取整结果分组求和
event_count_per_second = df.groupby(np.floor(df.index))['value'].sum()

# 输出结果
print(event_count_per_second)

如果你想更清晰地看到分组逻辑，也可以先新增一列存储整秒区间标识，再分组：

# 显式生成分组列的写法
df['second_interval'] = np.floor(df.index)
event_count_per_second = df.groupby('second_interval')['value'].sum()

结果说明 #

输出的event_count_per_second是一个Series，索引是整秒数（比如0、1、2...），对应的值就是该整秒区间内事件（value=1）的发生次数，完全匹配你的统计需求。

内容的提问来源于stack exchange，提问作者fccoelho