Pandas time方法插值时不同重采样率下同时间点结果不一致问题

你遇到的结果差异，完全来自对resample().interpolate()执行逻辑的常见认知偏差。

很多人默认这个组合操作的流程是：

• 按指定重采样率生成连续目标时间轴
• 拿全量原始数据当插值依据，在目标时间轴上做时间加权插值

但Pandas实际的执行流程和这个预期存在本质区别：

1. resample(频率) 本质是按时间区间做分组聚合，每个重采样时间戳对应一个独立时间区间。只有时间戳和重采样标签完全对齐的原始数据点，才会在分组结果中保留为非空值；落在区间内但未对齐标签的原始点，会直接被分组操作丢弃，对应位置生成NaN。
2. 后续调用interpolate()时，插值计算的输入仅仅是第一步分组后剩下的离散非空点，根本接触不到那些被分组丢弃的原始数据点。

对应到你的测试案例的实际执行过程 #

• 当用20s做重采样时，生成的时间戳是每20秒一个整数时刻。你数据集里的非整分钟原始点（比如12:01:40、12:03:20）刚好都是20秒的整数倍，完全和重采样标签对齐，因此这些点都会被完整保留在第一步的分组结果中，后续插值自然是基于这些真实的相邻原始点计算。
• 当用60s做重采样时，生成的时间戳都是整分钟时刻。你数据集里12:01:40、12:03:20这类非整分钟的原始点，没有一个能和60s的重采样标签对齐，因此第一步分组后这些值全被丢弃。剩下的非空原始点只有12:00:00、12:05:00、12:10:00、12:15:00这几个刚好是整分钟的点，后续插值就直接在这些稀疏的点之间做线性加权，自然会和20s重采样的结果出现明显偏差——你观察到的“Pandas忽略非整分钟原始数据”，就是这个机制导致的。

计算结果校验 #

我们可以通过手动计算验证两个流程的差异：

• 对12:01:00这个目标点，20s重采样流程里相邻的有效参考点是12:00:00（纬度44.0）和12:01:40（纬度44.0046317），按时间距离加权计算得到的纬度值是44.002779，和你输出中a的结果完全匹配。
• 同个目标点在60s重采样流程里，相邻的有效参考点是12:00:00（纬度44.0）和12:05:00（纬度44.013572），按时间距离加权计算得到的纬度值是44.002714，和你输出中b的结果完全匹配。

要保证同一个目标时间点的插值结果不受重采样率影响，核心是避免resample的分组操作提前丢弃原始数据点，不要走“先重采样分组、再插值”的路径，改为按以下逻辑操作：

• 先把原始数据的时间索引，和需要的目标重采样时间轴做合并，确保所有原始点都被完整保留，不被分组逻辑丢弃
• 在合并后的连续时间序列上执行基于时间的插值
• 最后从插值结果中提取需要的目标频率时间点即可

示例代码：

# 定义需要的目标重采样时间轴（60s粒度）
target_index = pd.date_range(
    start='2021-03-28 12:00:00',
    end='2021-03-28 12:15:00',
    freq='60s'
)
# 合并原始索引和目标索引，保留全部原始数据点
combined = data.reindex(data.index.union(target_index))
# 在全量保留原始点的序列上执行时间插值
interp_result = combined.interpolate(method='time')
# 提取目标频率的最终结果
final_result = interp_result.loc[target_index]

这种写法下，无论你选择20s还是60s作为目标输出频率，同一个目标时间点的插值计算都是基于完全相同的全量原始点完成的，结果不会出现差异。

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