pandas按Sessions分组重采样1分钟K线为60分钟时触发AttributeError问题

你的代码仅完成了分组+重采样的初始化操作，返回的是DatetimeIndexResamplerGroupby中间对象，没有指定聚合规则生成最终DataFrame，所以后续操作时会触发属性不存在的报错。同时该写法未做冗余字段裁剪，不适合3.5亿行规模的大数据处理。

# 第一步：提前丢弃不需要的字段，大幅降低内存占用，这一步对超大数据集至关重要
df = df[['Sessions', 'Symbol', 'Time', 'Open', 'High', 'Low', 'Close']]

# 第二步：执行分组重采样+符合业务逻辑的聚合
resampled_df = (
    df.groupby("Sessions", group_keys=False)
    .resample(
        '60Min', 
        label='right', 
        on='Time',
        offset='30min',  # 适配9:30开盘规则，让第一个窗口结束时间对齐10:00
        closed='right'   # 匹配右边界包含的时段统计规则
    )
    .agg(
        Symbol=('Symbol', 'first'),
        Time=('Time', 'max'),
        Open=('Open', 'first'),
        High=('High', 'max'),
        Low=('Low', 'min'),
        Close=('Close', 'last')
    )
    .reset_index(drop=True)
)

• 优先使用pandas 2.0及以上版本，读取数据时指定pyarrow作为后端，内存占用可降低70%以上，运算速度提升数倍：

  df = pd.read_csv("行情数据路径.csv", engine='pyarrow', dtype_backend='pyarrow')
  

• 若内存不足以放下全量数据，可按Sessions字段分批次读取处理，每处理完一批就写入磁盘，避免内存溢出。
• 可替换为polars库处理该场景，语法和pandas高度兼容，相同硬件下运算速度是pandas的5-10倍，内存占用更低。

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