1分钟OHLC数据重采样为15分钟间隔出现大量Null值问题求解

• 核心原因是原始数据集的时间戳本身不连续：Pandas的resample逻辑会生成覆盖原始数据最早到最晚时间点的连续时间轴，只要某一个15分钟时间槽内没有匹配的原始数据，聚合后的结果就会是空值。
• 你测试1分钟重采样得到的行数少于原始数据，说明原始数据还存在重复时间戳的问题，进一步加剧了时间槽匹配失败的概率。
• 从给出的统计结果看，1年数据里有效有交易的15分钟区间是24919个，剩下的10121个时间槽都属于无交易的空白时段，所以聚合后返回空值。

根据使用场景，可以选择两种处理方式：

方案1：仅保留有交易数据的15分钟区间 #

如果不需要连续的时间轴，直接过滤掉空值行即可：

dff = df.resample('15min').agg({
    'Open': 'first',
    'High': 'max',
    'Low': 'min',
    'Close': 'last'
}).dropna(subset=['Open', 'High', 'Low', 'Close'])

处理后得到的24919行就是所有有交易数据的15分钟OHLC结果，不会有空值。

方案2：需要连续时间轴，填充缺失区间 #

如果你做回测等场景需要连续的15分钟时间轴，可以先补全原始1分钟数据的空缺，再做重采样，通用做法是缺失的分钟数据用上一个有效值填充：

# 第一步：先把原始数据转为连续1分钟时间轴，重复的时间戳取最后一条，缺失的时间槽用前值填充
df_1min_complete = df.resample('1min').last().ffill()
# 第二步：再对连续的1分钟数据做15分钟重采样
dff = df_1min_complete.resample('15min').agg({
    'Open': 'first',
    'High': 'max',
    'Low': 'min',
    'Close': 'last'
})

注意：如果是外汇、股票这类有固定休市时段的产品，不要直接填充休市时段的空缺，建议先过滤掉休市的时间区间，再做填充和重采样，避免引入无效数据。

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