Pandas：周转日重采样并ffill填充结果异常的问题排查

你遇到的问题是因为**loffset参数误用**导致重采样范围被截断，同时默认的重采样不会自动包含第一个数据点之前的日期，咱们一步步解决：

问题回顾 #

你的原始数据是两个周日的记录：

Date       Val
0 2018-01-07 1
1 2018-01-14 2

你期望得到从2018-01-01（第一个周日往前6天）到2018-01-14的完整日数据，每个日期用最近的周日值填充，但现有代码只输出到2018-01-08就停止了。

错误原因拆解 #

1. loffset的误用：你设置的loffset=pd.offsets.DateOffset(-6)是把重采样后的所有索引整体往前偏移6天，这会把原始最后一个数据点2018-01-14偏移到2018-01-08，导致重采样的时间范围直接截止到这个偏移后的日期，后续2018-01-09至2018-01-14的日期根本没被纳入处理范围。
2. 默认重采样不包含前置日期：即使去掉loffset，默认的resample('D')只会从第一个数据点（2018-01-07）开始生成日期，不会自动包含之前的2018-01-01至2018-01-06。

修正后的解决方案 #

要实现你的需求，需要先构建完整的日期范围，再用前向填充补齐缺失值，这里有两种靠谱的方式：

方式一：用reindex构建完整日期范围（最直观） #

import pandas as pd

# 原始数据
df = pd.DataFrame({'Date': ['2018-01-07', '2018-01-14'], 'Val': [1, 2]})

# 转换日期格式并设为索引
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 生成你需要的完整日期范围：从2018-01-01到2018-01-14
full_date_range = pd.date_range(start='2018-01-01', end='2018-01-14', freq='D')

# 重新索引到完整日期，并用前向填充补齐缺失值
df_result = df.reindex(full_date_range).ffill()

# 把索引还原为列（和你期望的格式一致）
df_result = df_result.reset_index().rename(columns={'index': 'Date'})

print(df_result)

方式二：用resample指定起始点（更适合动态场景） #

如果你不想手动写死起始日期，可以用resample的origin参数，结合ffill实现：

import pandas as pd

df = pd.DataFrame({'Date': ['2018-01-07', '2018-01-14'], 'Val': [1, 2]})
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 以2018-01-01为采样起始点，重采样为日频率后填充
df_result = df.resample('D', origin='2018-01-01').ffill().reset_index()

print(df_result)

两种方式都会输出你期望的结果：

Date  Val
0  2018-01-01    1
1  2018-01-02    1
2  2018-01-03    1
3  2018-01-04    1
4  2018-01-05    1
5  2018-01-06    1
6  2018-01-07    1
7  2018-01-08    2
8  2018-01-09    2
9  2018-01-10    2
10 2018-01-11    2
11 2018-01-12    2
12 2018-01-13    2
13 2018-01-14    2

额外提示 #

• loffset一般用于调整采样结果的索引对齐（比如把月末数据偏移到月初），不适合用来扩展采样范围。
• 如果你的数据是固定每周日的记录，也可以用pd.date_range生成每周日的序列，再扩展到日频率，逻辑是一样的。

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