如何用Pandas对浮点秒级时序CSV数据进行升采样？

当然可以用Pandas轻松搞定这个需求！我来一步步给你讲清楚操作方法，包括你关心的无插值（重复原值）和线性插值两种方式：

步骤1：读取数据并设置时间索引 #

首先读取CSV后，得把Time[s]这个浮点秒级时间列设为数据框的索引，这样Pandas才能识别时间维度进行重采样操作：

import pandas as pd

# 读取CSV数据
df_data = pd.read_csv("test.csv")
# 将浮点时间列设置为数据框的索引
df_data = df_data.set_index("Time[s]")

步骤2：升采样并重复原采样值（无插值） #

你的需求是从125KHz（8μs间隔）升采样到500KHz（2μs间隔），也就是每个原始数据点需要重复4次。用resample方法指定新的采样间隔（2e-6秒，即2μs），再搭配ffill()（向前填充）就能实现重复原值的效果：

# 升采样到2μs间隔，重复原采样值
upsampled_df = df_data.resample(2e-6).ffill()

这里resample(2e-6)定义了新的采样周期，ffill()会把前一个原始数据点的数值填充到所有新增的采样位置，完全符合你要的“仅重复原采样值”要求。（pad()和ffill()是等价的，用哪个都可以）

步骤3：切换为线性插值的方法 #

如果后续需要换成线性插值生成平滑过渡值，只需要把ffill()替换成interpolate(method='linear')即可：

# 升采样并使用线性插值
upsampled_linear_df = df_data.resample(2e-6).interpolate(method='linear')

Pandas会自动在相邻的原始数据点之间计算线性插值，生成连续的数值序列。

导出结果验证 #

你可以把处理后的数据导出成CSV，看看是否和预期格式一致：

# 导出结果，保留时间戳的高精度格式
upsampled_df.to_csv("upsampled_result.csv", float_format='%.15f')

导出的CSV会和你给出的示例完全匹配：每个原始时间点的数值重复4次，时间戳每次递增2μs。

补充小说明 #

• Pandas的resample不仅支持datetime类型索引，也支持数值型索引（比如这里的浮点秒级时间），只要索引是单调递增的就能正常工作，你的数据正好是按时间顺序排列的，完美适配。
• 如果是降采样操作，通常会用mean()、sum()这类聚合函数，但升采样我们用填充/插值方法就足够了。

内容的提问来源于stack exchange，提问作者sdbbs