如何将Pandas DataFrame时间序列下采样至任意指定长度？

这个问题我之前也碰到过，resample和asfreq确实只认标准时间单位，没法直接处理这种非整数倍的样本数转换。不过我们可以绕开时间单位的限制，直接从样本数量的比例入手，通过分组平均来实现你的需求。

具体实现思路 #

因为365个原始样本要转换成272个均值样本，每个新样本对应的原始样本数约为 365/272 ≈ 1.34 个。我们可以通过以下步骤完成：

• 生成新样本对应的原始数据分组边界
• 将原始数据按边界分组，计算每组的均值
• （可选）生成对应的新时间索引

代码示例（基于Pandas和Numpy） #

假设你的数据是一个包含日值时间索引和VAL列的DataFrame：

import pandas as pd
import numpy as np

# 模拟你的365个日值数据（替换成你自己的真实数据）
dates = pd.date_range(start='2023-01-01', periods=365)
df = pd.DataFrame({'VAL': np.random.randn(365)}, index=dates)

步骤1：计算分组边界

我们用linspace生成272个分组的起始位置，确保覆盖所有365个原始样本：

# 生成272个分组的起始索引（从0到365，不包含终点）
group_boundaries = np.linspace(0, 365, 272, endpoint=False)
# 将原始样本的索引（0到364）分配到对应的分组中
df['group_id'] = np.digitize(np.arange(365), group_boundaries)

步骤2：计算每组的均值

按分组ID聚合，得到272个均值结果：

# 分组计算均值，得到272个值
resampled_vals = df.groupby('group_id')['VAL'].mean().values

步骤3：生成对应的新时间索引（可选）

如果你需要和原始时间范围对齐的新时间索引，可以按比例生成：

new_dates = pd.date_range(start=df.index[0], end=df.index[-1], periods=272)
resampled_df = pd.DataFrame({'VAL': resampled_vals}, index=new_dates)

为什么这个方法可行？ #

因为你的原始数据是等间隔的日值序列，每个样本的时间间隔完全一致（1天），所以按样本数量比例分组，等价于按时间比例分组。每个新样本对应的原始数据区间的时间长度是均匀的，均值结果符合你的需求。

注意事项 #

• 如果你的原始数据存在缺失值，需要先补全缺失值（比如用fillna），否则分组后的均值会不准确
• 如果你需要的不是简单均值，而是加权均值（比如靠近新样本点的原始值权重更高），可以考虑用滑动窗口加权或者插值后再采样，但你的需求是均值的话，上面的方法就足够了

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