如何无信息损失合并存在21秒偏移的两个30秒间隔Time Series？

针对你提到的两个每30秒生成一条、起始时间偏移21秒的时间序列（ts1从12:30:00开始，ts2从12:30:21开始），要在不丢失原始数据的前提下合并到同一索引，以下是几种实用方法（以Python pandas为例）：

方法一：基于时间戳的外连接合并 #

这种方法直接保留两个序列的所有原始时间戳，将数据按时间索引对齐，缺失值用NaN填充，完全保留原始数据点。

步骤示例： #

1. 构造带时间索引的DataFrame（模拟你的数据）：

import pandas as pd
import numpy as np

# 生成ts1数据
ts1_index = pd.date_range(start='2024-01-01 12:30:00', periods=5, freq='30S')
ts1 = pd.DataFrame({'ts1_value': np.arange(5)}, index=ts1_index)

# 生成ts2数据
ts2_index = pd.date_range(start='2024-01-01 12:30:21', periods=5, freq='30S')
ts2 = pd.DataFrame({'ts2_value': np.arange(5, 10)}, index=ts2_index)

2. 执行外连接合并：

merged_df = pd.merge(ts1, ts2, left_index=True, right_index=True, how='outer')

合并后的结果会包含两个序列的所有时间戳，每个时间点对应各自的数值，没有数据的位置显示NaN，所有原始记录都被保留。

方法二：重采样到更细粒度的统一索引 #

如果需要连续的时间索引，可以将两个序列重采样到更细的时间粒度（比如1秒），再合并。这种方式能让时间轴连续，同时保留所有原始数据点。

步骤示例： #

1. 将两个序列重采样到1秒粒度（保留原始值，其余位置为NaN）：

ts1_resampled = ts1.asfreq('1S')
ts2_resampled = ts2.asfreq('1S')

2. 合并重采样后的序列：

merged_resampled = pd.concat([ts1_resampled, ts2_resampled], axis=1)

合并后的索引是连续的1秒时间戳，原始数据会精准对应到各自的生成时间，没有丢失任何信息。

方法三：保留联合时间戳作为索引 #

如果不需要连续索引，也可以直接将两个序列的时间戳合并成一个唯一的联合索引，再分别填充对应数据：

# 合并两个索引
combined_index = ts1_index.union(ts2_index)

# 重新索引两个序列并合并
ts1_reindexed = ts1.reindex(combined_index)
ts2_reindexed = ts2.reindex(combined_index)
merged_combined = pd.concat([ts1_reindexed, ts2_reindexed], axis=1)

这种方法和外连接效果类似，核心都是保留所有原始时间点和对应数据。

注意事项 #

• 所有方法的核心是不丢弃任何原始数据记录，缺失值仅代表对应时间点无另一序列的数据，而非丢失信息。
• 如果后续需要填充缺失值，可以根据业务场景选择向前填充（ffill）、向后填充（bfill）或插值，但这一步是可选的，不影响原始数据的保留。

内容的提问来源于stack exchange，提问作者Husain