Pandas如何基于日期按指定时间间隔插值并对齐合并数据

核心逻辑是先把宽表中每一组「时间列+数值列」拆分为独立的时间序列，按指定间隔生成统一时间基准轴，对每个序列做插值后合并，最终得到每行时间完全对齐的结果。

1. 通用处理函数与数据加载 #

先写适配两个DataFrame的通用处理逻辑，避免重复代码：

import pandas as pd
import numpy as np

# 加载原始数据
df = pd.read_excel("https://github.com/norhther/datasets/raw/main/ncp1b.xlsx", 
                   sheet_name="Sheet1")
df2 = pd.read_excel("https://github.com/norhther/datasets/raw/main/ncp1b.xlsx", 
                    sheet_name="Sheet2")
df2.dropna(inplace = True)

def align_interpolate_wide_df(input_df, freq='10min'):
    """
    处理每2列为一组(时间列、数值列)的宽表，输出时间对齐、按指定频率插值后的结果
    :param input_df: 原始宽表
    :param freq: 重采样时间间隔，默认10分钟
    """
    series_list = []
    # 按步长2遍历列，每一组对应X时间列、Y数值列
    for col_idx in range(0, len(input_df.columns), 2):
        x_col = input_df.columns[col_idx]
        y_col = input_df.columns[col_idx + 1]
        # 提取当前测点的非空数据，格式化时间索引
        metric_name = y_col.replace('Y-Axis Value ', '')
        if not metric_name:
            metric_name = 'main_metric'
        temp_series = (
            input_df[[x_col, y_col]]
            .dropna()
            .set_index(x_col)[y_col]
            .rename(metric_name)
        )
        temp_series.index = pd.to_datetime(temp_series.index)
        series_list.append(temp_series)
    
    # 生成覆盖所有测点时间范围的统一时间轴
    global_start = min([s.index.min() for s in series_list])
    global_end = max([s.index.max() for s in series_list])
    unified_time_index = pd.date_range(start=global_start, end=global_end, freq=freq)
    
    # 所有序列重索引到统一时间轴，做时间加权插值后合并为宽表
    aligned_df = pd.concat(
        [s.reindex(unified_time_index).interpolate(method='time') for s in series_list],
        axis=1
    )
    aligned_df = aligned_df.reset_index().rename(columns={'index': 'unified_timestamp'})
    return aligned_df

2. 处理第一个DataFrame（df） #

直接调用函数即可得到时间完全对齐的插值结果，可通过修改freq参数调整时间间隔，比如5分钟传'5min'、1小时传'1H'：

df_aligned = align_interpolate_wide_df(df, freq='10min')

处理后df_aligned第一列为统一时间戳，后续每列对应一个测点的插值后数值，不存在同一行时间错位问题。

3. 处理第二个DataFrame（df2） #

先完成插值对齐，再将插值结果追加到原始df2末尾即可：

df2_aligned = align_interpolate_wide_df(df2, freq='10min')
# 插值结果追加到原始数据，列不对齐位置自动填充空值
df2_combined = pd.concat([df2, df2_aligned], axis=0, ignore_index=True)

补充说明 #

• 默认使用time方法做时间加权线性插值，适配原始采样时间不均匀的场景，需要换插值方式（比如前值填充ffill、三次样条spline）直接修改interpolate的method参数即可。
• 统一时间轴默认取所有测点的最早、最晚时间作为起止，需要自定义时间范围直接替换global_start、global_end的取值即可。
• 结果列默认提取测点编号作为列名，需要保留原始Y轴列名可删掉函数内的metric_name重命名逻辑。

内容的提问来源于stack exchange，提问作者Norhther