Pandas非均匀采样下，两个datetime节点间补全ts值遇timedelta报错如何解决

• ts列混杂了设备标识字符串（示例中的PS157），直接调用pd.to_datetime无法把带非时间前缀的内容解析为纯datetime对象。哪怕表面检查显示列类型是datetime64，实际内部会残留大量object类型元素，做差运算时自然触发"无法转换为NumPy timedelta"的报错。
• 逐行赋值使用了链式索引写法，本身就存在赋值不生效、类型漂移的问题，哪怕ts列类型正确也可能触发运行错误。
• 旧资料提到的"datetime列不能直接插值"是pandas 1.1.0之前版本的限制，当前主流版本已原生支持datetime序列插值，完全不需要手动循环绕开限制。

1. 修正ts列的类型解析 #

先剥离ts字段里混杂的设备前缀，只保留纯时间内容再做类型转换：

# 按空格拆分ts字段，剥离开头的设备标识，只保留时间字符串
df['ts_stripped'] = df['ts'].str.split(' ', n=1).str[1]
# 把剥离后的纯时间字符串转为datetime64类型
df['ts'] = pd.to_datetime(df['ts_stripped'])
# 删除临时过渡列
df = df.drop(columns=['ts_stripped'])
# 把之前为了占位填的固定时间值替换为真实的空值标记NaT
df.loc[df['ts'] == pd.Timestamp('2019-12-17 00:00:00'), 'ts'] = pd.NaT

2. 直接用pandas原生方法完成插值 #

不需要逐行写循环，直接调用内置插值方法即可实现你想要的效果：

• 对ts列执行线性插值：两个已知有效时间点中间的空值，会按照线性比例生成中间时间戳，和手动计算(b-a)/2的结果完全一致。
• ts列补全后，再对value列做插值即可。
  核心代码：

# 补全ts列的空时间值
df['ts'] = df['ts'].interpolate(method='linear', limit_direction='both')
# 补全value列的空值，如需要更精准的时间加权效果，可传入ts作为索引设置time方法
df['value'] = df['value'].interpolate(method='linear')

3. 若坚持使用手动逐行计算逻辑的修正方案 #

如果不打算用内置插值，只要把之前的代码两处错误改掉即可正常运行：

• 把np.timedelta64(d, 's')替换为pandas原生的pd.Timedelta(seconds=d)，兼容性更强，对类型异常的容错率更高。
• 把链式赋值PS157['ts'].iloc[i+1] = xxx替换为基于loc的显式赋值，避免赋值失效、类型漂移。
  修正后的代码示例：

for i in range(0, len(df)-2, 2):
    a = df.loc[i, 'ts']
    b = df.loc[i+2, 'ts']
    # 跳过时间点无效的行
    if pd.isna(a) or pd.isna(b):
        continue
    delta_sec = (b - a).total_seconds()
    mid_time = a + pd.Timedelta(seconds=delta_sec/2)
    df.loc[i+1, 'ts'] = mid_time

内容的提问来源于stack exchange，提问作者Miss.Pepper