OHLC重采样生成错误时间戳问题排查请求

为啥会出现这个问题？ #

你遇到的这个情况，本质是Pandas的resample()默认是按自然时间刻度来切分区间的。举个例子：

• 10分钟周期的话，它默认会从整点、10分、20分...这样的时间点开始算区间，哪怕你的数据最早是09:15:01，它还是会生成09:10:00-09:20:00这个区间，时间戳就显示成区间起点09:10:00；
• 20分钟周期同理，会从09:00:00开始第一个区间，这就和你期望的09:15:00起始点不符了。

怎么解决？ #

要让所有采样周期都从2019-01-24 09:15:00开始，有两种简单的方法：

方法1：直接指定起始锚点（最通用） #

用resample()的origin参数，直接把你想要的起始时间传进去，不管什么周期都能对齐到这个点：

import sqlite3
import pandas as pd

conn = sqlite3.connect('sqlite_database.db')
query = "SELECT * FROM XXXX WHERE timestamp BETWEEN '2019-01-24 09:15:00' AND '2019-01-24 09:59:59'"
df = pd.read_sql_query(query, conn, index_col=['timestamp'], parse_dates=['timestamp'])

# 重点在这里：指定origin为目标起始时间
candles = df['ltp'].resample('5min', origin='2019-01-24 09:15:00').ohlc().bfill()
print(candles)

不管你换成3min、10min还是20min的周期，第一个采样区间都会从09:15:00开始，完美符合你的需求。

方法2：用偏移量调整（适合特定周期） #

如果你想基于默认的时间边界来偏移，也可以用offset参数。比如10分钟周期默认从09:10开始，偏移5分钟就到09:15了：

candles = df['ltp'].resample('10min', offset='5min').ohlc().bfill()

不过这种方法需要针对不同周期计算偏移量，不如第一种通用，推荐优先用origin的方式。

额外小提示 #

• 如果你不想保留那些只有后半段数据的起始区间（比如09:10-09:20里只有09:15之后的数据），可以把bfill()换成dropna()，直接删掉空值行：

  candles = df['ltp'].resample('10min', origin='2019-01-24 09:15:00').ohlc().dropna()
  

• 你的代码里已经用parse_dates=['timestamp']把索引转成了datetime类型，这一步很关键，确保了重采样能正确识别时间。

内容的提问来源于stack exchange，提问作者slayedbylucifer