Pandas多层索引下时间序列重采样丢失2006-2011年数据问题排查

核心原因 #

你的pd.Grouper用法没有语法错误，2006-2011年数据丢失主要是两个默认配置导致的：

• 时间窗口对齐逻辑：pd.Grouper默认以整个数据集的最小时间作为基准对齐8天窗口，如果部分站点的时间序列存在断点、或者起始/结束时间没有落在窗口对齐边界上，后续的非连续窗口会被默认丢弃
• 分组丢弃规则：groupby默认开启dropna=True，如果某分组下没有对应数据，会直接丢弃该分组，不会返回空值记录

修复方案 #

推荐更稳妥的重采样写法 #

针对多层索引的分层重采样场景，直接用resample指定level参数更符合pandas的设计逻辑，也能避免分组逻辑异常：

polar_temp8d = polar_temp.groupby(level='Station_Number').resample(level='Date', freq='8D').mean()

针对性配置调整 #

如果以上写法仍出现数据丢失，添加以下参数即可：

1. 显式指定窗口起始点，确保所有站点的时间窗口统一对齐，不会因为单个站点的时间范围差异截断后续数据

polar_temp8d = polar_temp.groupby(
    [pd.Grouper(level='Station_Number'),
     pd.Grouper(level='Date', freq='8D', origin='2003-01-01')]
).mean()

2. 开启dropna=False，保留所有存在数据的分组，避免空窗口被默认删除

polar_temp8d = polar_temp.groupby(
    [pd.Grouper(level='Station_Number'),
     pd.Grouper(level='Date', freq='8D', origin='2003-01-01')],
    dropna=False
).mean()

验证方式 #

你可以先对单个有2011年数据的站点做测试，确认重采样逻辑正常：

# 测试单站点重采样结果
single_8d = polar_temp.loc['CA002300902'].resample('8D').mean()
print(single_8d.sort_index(ascending=False).head())

如果单站点能输出2011年的计算结果，说明全局分组的窗口对齐问题已经解决。

内容的提问来源于stack exchange，提问作者tillwss