将Pandas时间间隔重采样至秒级：展开区间生成DatetimeIndex

Got it, let's work through this problem step by step to get your time interval data expanded into a second-by-second timeline with the correct status values (and NaNs for the gaps). Here's how to do it:

首先确认初始数据 #

先把你的原始DataFrame创建代码放出来，确保我们从同一起点出发：

import pandas as pd

df = pd.DataFrame({
    "start": ["2017-01-01 13:09:01", "2017-01-01 13:09:07", "2017-01-01 13:09:12"],
    "end": ["2017-01-01 13:09:05", "2017-01-01 13:09:09", "2017-01-01 13:09:14"],
    "status": ["OK", "ERROR", "OK"]
})

初始数据格式：

分步实现转换 #

Step 1：将时间字符串转为datetime类型 #

首先要把start和end列从字符串转为datetime对象，这是生成时间序列的基础：

df['start'] = pd.to_datetime(df['start'])
df['end'] = pd.to_datetime(df['end'])

Step 2：为每个时间区间生成逐秒时间序列 #

对每一行数据，用pd.date_range生成从start到end的所有秒级时间点，再把这些时间序列拆分成单独行：

# 为每个区间生成完整的秒级时间序列
df['timestamps'] = df.apply(lambda row: pd.date_range(start=row['start'], end=row['end'], freq='S'), axis=1)

# 将时间序列列表拆分为单独行
expanded_df = df.explode('timestamps').reset_index(drop=True)

Step 3：补全时间间隙并填充NaN #

现在我们需要生成从最早开始时间到最晚结束时间的完整时间轴，把之前拆分的数据对齐到这个轴上，间隙部分自动填充NaN：

# 生成完整的秒级时间范围
full_time_range = pd.date_range(start=df['start'].min(), end=df['end'].max(), freq='S')

# 将时间戳设为索引，对齐到完整时间轴
final_df = expanded_df.set_index('timestamps')['status'].reindex(full_time_range)

# 重置索引，匹配目标格式的列名
final_df = final_df.reset_index().rename(columns={'index': '', 'status': 'status'})

最终结果 #

打印final_df就能得到你想要的格式：

小提示 #

• 如果需要其他时间频率（比如分钟级），只需要把freq='S'改成freq='T'即可。
• reindex方法会自动为缺失的时间点填充NaN，完美适配需求中的间隙场景。

内容的提问来源于stack exchange，提问作者r0f1