Pandas如何将月度多重索引时间序列重采样为小时粒度

核心思路 #

将月度粒度的双层索引数据展开为对应月份内每小时粒度的数据，所有小时点复用所属月份的原数值，可根据数据场景选择对应实现方式：

• 若月度区间是连续无重叠的自然月（月初到月末），可直接用resample配合前向填充实现，代码更简洁
• 若存在非连续区间、自定义起止日期的月度数据，建议按区间逐段生成逐小时索引再拼接，避免跨区间填充错误

完整实现代码 #

1. 原测试数据构造（补全缺失的numpy导入） #

import pandas as pd
import numpy as np

multi_index = pd.MultiIndex.from_tuples([("2022-03-01", "2022-03-31"), 
                                  ("2022-04-01", "2022-04-30"), 
                                  ("2022-05-01", "2022-05-31"),
                                  ("2022-06-01", "2022-06-30")])
multi_index.names = ['month_begin', 'month_end']
df = pd.DataFrame(np.random.rand(4,100), index=multi_index)

2. 简洁实现（连续自然月场景，基于resample） #

# 提取月初日期作为单层datetime索引
df_res = df.set_index(pd.to_datetime(df.index.get_level_values('month_begin')))
# 按小时粒度重采样，前向填充数值
df_res = df_res.resample('H').ffill()
# 截断最后一个月月末23点之后的多余行（resample会自动生成下一个月月初的冗余行）
last_end = pd.to_datetime(df.index.get_level_values('month_end').max()) + pd.Timedelta(hours=23)
df_res = df_res[df_res.index <= last_end]

3. 严谨实现（自定义区间通用场景） #

该方法严格按照每行指定的month_begin和month_end生成时间范围，不会出现跨区间填充错误，适配所有时间区间场景：

hourly_chunk_list = []
for (month_start, month_end), month_vals in df.iterrows():
    # 生成当前区间内从首日0点到末日23点的逐小时时间序列
    hour_idx = pd.date_range(
        start=pd.to_datetime(month_start),
        end=pd.to_datetime(month_end) + pd.Timedelta(hours=23),
        freq="H"
    )
    # 将当前月的数值复制到所有小时行
    hourly_chunk_list.append(
        pd.DataFrame(
            np.tile(month_vals.values, (len(hour_idx), 1)),
            index=hour_idx,
            columns=df.columns
        )
    )
# 拼接所有区间的逐小时数据
df_res = pd.concat(hourly_chunk_list)

结果说明 #

两种方法最终输出的df_res结构完全符合预期：索引为逐小时的datetime时间点，每个时间点的100列数值和所属月份的原数值完全一致，总数据量为4个自然月的总小时数（3月744小时+4月720小时+5月744小时+6月720小时=2928行）。

注意：如果月度区间存在重叠，优先选择第二种逐段生成的方式，避免填充逻辑冲突。

内容的提问来源于stack exchange，提问作者W. Walter