如何修复Pandas中不正确的DataFrame重采样操作？

嘿，我懂你的困扰啦——你已经把时间列设为索引并转换成DateTime类型，但调用resample('3H')后数据完全没变化，这其实是个很容易踩的小坑，我来帮你搞定~

问题根源 #

resample('3H')本身只是创建了一个重采样的配置对象，它并不会自动对数据进行聚合计算。你必须明确指定一个聚合函数（比如均值、求和、取首个值等），Pandas才会按照你设定的3小时间隔生成新的重采样数据。

修正后的完整操作步骤 #

1. 先保留你正确的时间索引转换步骤：

import pandas as pd

# 你的原始数据操作
Mi_Meteo = Mi_Meteo.set_index(['Time Instant'])
Mi_Meteo.index = pd.to_datetime(Mi_Meteo.index, errors='coerce')

2. 关键：给resample()添加聚合函数
   根据你的需求选择合适的聚合方式，举几个常用例子：

• 如果你想计算每个3小时窗口内Measurement的平均值：

resampled_data = Mi_Meteo.resample('3H').mean()

• 如果你需要保留Sensor ID（假设同一窗口内Sensor ID一致），同时聚合Measurement：

resampled_data = Mi_Meteo.resample('3H').agg({
    'Sensor ID': 'first',  # 保留窗口内第一个Sensor ID
    'Measurement': 'sum'   # 这里换成你需要的聚合逻辑，比如mean、max等
})

3. 可选：调整时间窗口的对齐方式
   如果你希望严格从当天00:00、03:00等整点开始划分窗口，可以用origin参数强制对齐：

# 确保窗口从当天0点开始，标签显示窗口的起始时间
resampled_data = Mi_Meteo.resample('3H', origin='start_day', label='left').mean()

这样你的17:00数据会被分到15:00-18:00的窗口，索引标签显示为15:00，完美匹配你想要的3小时间隔格式。

验证结果 #

执行完上述代码后，resampled_data就是你预期的按3小时间隔聚合后的DataFrame啦，原Mi_Meteo不会被修改，记得用新变量接收结果哦~

内容的提问来源于stack exchange，提问作者Dimi