Pandas中PeriodIndex使用pd.resample结果与DatetimeIndex不一致咨询

为什么PeriodIndex下重采样会得到不同的结果 #

核心原因是两类索引的重采样逻辑完全不同：

• 针对DatetimeIndex的重采样，closed、label参数是用来定义滑动窗口的开闭规则、标签取窗口的哪一端，完全符合你用右边界时间戳标记前5分钟区间的业务逻辑。
• 针对PeriodIndex的重采样，closed和label参数会被直接忽略——因为Period本身就代表一个明确的固定闭区间，不需要额外定义窗口开闭规则。你转换时没有对齐业务逻辑的区间对应关系，加上Period重采样默认用小周期的起始时间归属大周期，和你原来的右标逻辑冲突，结果自然不符合预期。

将5分钟间隔的能耗数据索引转换为PeriodIndex的操作是错误的吗 #

操作本身没有问题，但你转换时的区间对应逻辑错了：
你的原始时间戳是统计区间的右端点（比如00:25对应00:20:01-00:25:00），但to_period方法默认会把时间戳归属到它落在的5分钟区间（即时间戳00:25会被归属到2021-11-30 00:25这个Period，对应区间是[00:25, 00:30)），和你实际的统计区间完全错位了一个步长，这是错误的核心来源。

5分钟的时间跨度不是合理的Period场景吗 #

是非常合理的场景。Period的设计目标就是表示固定长度的时间区间，天生适合存储这种按固定间隔统计的能耗、流量等指标，比用时间戳标记区间的语义更清晰，只是你需要在转换时对齐区间对应关系，同时用Period重采样对应的参数即可。

正确的PeriodIndex重采样实现示例 #

import pandas as pd

# 原始数据
idx = pd.date_range(start='2021-11-30 00:00', end='2021-11-30 1:00', freq='5T')
ser = pd.Series(index=idx, data=range(len(idx)))

# 转换为PeriodIndex：先把右端点时间戳减1秒，归属到实际对应的统计区间
ser_period = ser.copy()
ser_period.index = (ser_period.index - pd.Timedelta(seconds=1)).to_period(freq='5T')

# 重采样到15分钟，convention='end'表示用大周期的右端点作为标签
res = ser_period.resample('15T', convention='end').sum()
print(res)

运行后输出和你用DatetimeIndex得到的结果完全一致：

2021-11-30 00:00     0
2021-11-30 00:15     6
2021-11-30 00:30    15
2021-11-30 00:45    24
2021-11-30 01:00    33
Freq: 15T, dtype: int64

内容的提问来源于stack exchange，提问作者Durtal