如何让带timedelta的Pandas Series重采样从0时间间隔开始？

你需要让带Timedelta索引的Series重采样时，以timedelta(seconds=0)作为起始基准，而非默认的首个索引值。以下是实现方法：

问题复现 #

你的原始代码及输出：

from datetime import timedelta
from random import sample
import pandas as pd

s = pd.Series(1, index=[timedelta(minutes=m) for m in sample(range(1, 100), 10)])
print(s.resample('1h').count())

当前输出：

0 days 00:12:00    9
0 days 01:12:00    1
dtype: int64

期望输出是从0时刻开始的完整小时区间，包括计数为0的区间：

0 days 00:00:00    9
0 days 01:00:00    0
0 days 02:00:00    1
dtype: int64

解决方案 #

核心是重采样时指定origin参数为pd.Timedelta(0)，同时确保保留计数为0的区间：

from datetime import timedelta
from random import sample
import pandas as pd

s = pd.Series(1, index=[timedelta(minutes=m) for m in sample(range(1, 100), 10)])

# 指定起始点为0时刻重采样，再补全所有区间的缺失值
resampled = s.resample('1h', origin=pd.Timedelta(0)).count()
# 生成从0到最大索引向上取整的完整时间区间
full_range = pd.timedelta_range(start='0h', end=s.index.max().ceil('1h'), freq='1h')
result = resampled.reindex(full_range, fill_value=0)

print(result)

代码解释 #

• origin=pd.Timedelta(0)：强制重采样的起始基准为0时刻，而非Series中的首个索引值。
• pd.timedelta_range(...)：生成从0时刻到Series最大索引向上取整的完整小时区间，确保所有需要的区间都被包含。
• reindex(fill_value=0)：将重采样结果对齐到完整区间，缺失的区间填充0，符合你的期望输出。

简化写法 #

如果不需要严格对齐到最大索引的上一个小时，也可以用asfreq快速填充：

result = s.resample('1h', origin=pd.Timedelta(0)).count().asfreq('1h', fill_value=0)

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