Pandas技术问询：如何将series2重采样匹配series1的DatetimeIndex

嘿，这个场景我之前处理过！要让series2的索引完全匹配series1的DatetimeIndex，其实有两种思路，看你具体需求来选：

方法一：重采样聚合后对齐索引 #

因为你的series2频率是30秒，比series1的1分钟频率更高，我们可以先把series2按series1的频率（1分钟）做聚合，再用series1的索引来筛选结果：

# 第一步：将series2重采样为1分钟频率，这里以取每个分钟区间的最后一个值为例
# 你也可以根据需求改成.mean()/.first()/.sum()等聚合方式
series2_resampled = series2.resample('1T').last()

# 第二步：用series1的索引对齐，得到完全匹配的结果
series2_matched = series2_resampled.reindex(series1.index)

这个方法适合你需要对高频数据做聚合统计的场景，比如想得到每个分钟的平均/总和值，而不是仅仅取精确时间点的数据。

方法二：直接按目标索引提取/填充 #

如果你的需求只是获取series2中与series1索引完全对应时间点的数据，或者需要处理可能的缺失时间点，可以直接用reindex或者loc：

精确匹配（无缺失时） #

因为你的series1索引都是整分钟点，而series2的索引包含这些时间点（每30秒一个），所以直接提取就行：

series2_matched = series2.loc[series1.index]

处理缺失时间点 #

如果series1的某些时间点在series2中不存在，会返回NaN，这时候可以用填充方法：

# 向前填充（用前一个最近的值填充）
series2_matched = series2.reindex(series1.index, method='ffill')

# 或者向后填充（用后一个最近的值填充）
series2_matched = series2.reindex(series1.index, method='bfill')

这个方法更直接，适合不需要聚合，只需要对齐时间点的场景。

你可以根据自己的业务需求选择对应的方法，两种方式都能完美匹配series1的DatetimeIndex~

内容的提问来源于stack exchange，提问作者Ohm