如何对DataFrame重采样？转换DateTimeIndex遇格式错误求解

刚看到你的问题，咱们一步步来搞定：先解决pd.to_datetime报的Unknown string format错误，再实现3小时间隔的重采样，方便后续构建滞后特征。

第一步：修复日期解析失败的问题 #

你遇到的解析错误，是因为pandas默认的日期解析器对YYYY/MM/DD HH:MM这种格式的识别偶尔会"卡壳"，咱们显式指定时间格式就能完美解决，而且建议先转换列类型再设置索引，比先设索引再转换更稳妥：

# 先把Time Instant列转换成datetime类型，明确告诉pandas时间字符串的格式
Mi_Meteo['Time Instant'] = pd.to_datetime(Mi_Meteo['Time Instant'], format='%Y/%m/%d %H:%M')
# 再将该列设置为索引
Mi_Meteo = Mi_Meteo.set_index('Time Instant')

这里的format='%Y/%m/%d %H:%M'对应你的时间格式：%Y是4位年份，%m是2位月份，%d是2位日期，%H是24小时制的小时，%M是分钟，给pandas明确的规则后就不会再报错啦。

第二步：实现3小时间隔的重采样 #

接下来做3小时重采样，这里要注意两个关键点：如果你的数据有多个传感器ID，必须先分组再重采样（避免不同传感器的数据混在一起）；另外要根据需求选择聚合规则（比如取窗口内第一个值、均值等）。

情况1：数据包含多个Sensor ID #

这种情况下一定要先按传感器分组，再进行重采样：

# 按Sensor ID分组，每3小时重采样，这里用first()取窗口内第一个数据点，你可以换成mean()/last()等
resampled_df = Mi_Meteo.groupby('Sensor ID').resample('3H').first().reset_index()

情况2：数据只有单个Sensor ID #

如果你的数据里只有一个传感器，直接重采样就行：

resampled_df = Mi_Meteo.resample('3H').first().reset_index()

调整重采样的起始时间

如果希望重采样的时间点从当天00:00开始（就像你示例里的00:00、03:00这种对齐方式），可以加上origin='start_day'参数：

# 按当天00:00为起点对齐重采样窗口
resampled_df = Mi_Meteo.groupby('Sensor ID').resample('3H', origin='start_day').first().reset_index()

可选的聚合函数

你可以根据业务需求替换first()：

• last()：取每个3小时窗口的最后一个数据点
• mean()：计算窗口内的平均值
• sum()：计算窗口内的总和
• max()/min()：取窗口内的最大/最小值

最终效果 #

执行完上述代码后，你会得到和示例结构一致的DataFrame，时间索引会是标准的datetime格式，完全满足后续构建滞后特征的需求~

内容的提问来源于stack exchange，提问作者Dimi