Pandas 5分钟时序数据重采样为小时均值时日期异常如何解决

问题核心诱因有两个：

• pd.to_datetime自动推断日期格式时部分行解析错误，产生了超出预期的早期时间值
• 时间索引未排序，重采样时从最小的异常时间值开始计算周期

具体解决步骤 #

1. 显式指定日期格式转换时间列，避免自动推断出错
   你原始CSV中的日期格式为日-月-两位年份 时:分，转换时指定对应格式即可确保所有行解析正确：

df['A'] = pd.to_datetime(df['A'], format='%d-%m-%y %H:%M')

2. 检查时间范围确认无异常值
   转换完成后先验证时间列的范围是否符合预期：

print(df['A'].min(), df['A'].max())
# 正常输出应为你数据的实际起止时间，比如 2021-01-16 00:00:00 2021-01-xx xx:00:00

如果存在异常时间值，先清洗对应行再执行后续操作。
3. 索引排序后再执行重采样
pandas重采样依赖有序的时间索引，设置索引后先排序再重采样：

df.set_index('A', inplace=True)
# 对时间索引排序
df.sort_index(inplace=True)
# 执行小时级重采样求均值
df2 = df.resample('H').mean()
# 如需将时间索引变回普通列，和你预期输出格式一致，添加以下代码
df2 = df2.reset_index()

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