Pandas中resample+interpolate操作出现过多NaN值的问题咨询

你遇到的这个问题其实是Pandas里resample()和interpolate()组合使用时的常见陷阱，咱们一步步拆解原因和解决办法：

问题原因分析 #

你用interval8df.resample('10s').interpolate(method='time')时，默认流程是这样的：

1. resample('10s')先按10秒区间分组，生成10秒间隔的索引序列，但只有原始数据中与索引时间完全重合的点才会保留数值（比如你的原始数据里的17:39:30、17:40:10），其他索引点都会被设为NaN。
2. 接着调用interpolate(method='time')，这个方法是从第一个非NaN值开始往后做时间插值，但前几个索引点（17:39:00、17:39:10、17:39:20）的前面没有非NaN的起始值，所以无法完成插值，只能保留NaN。

而用resample('10s').mean()时，Pandas是计算每个10秒区间内所有原始数据的平均值，比如17:39:10对应的区间包含原始点17:39:06，所以能算出平均值，自然没有NaN。

直接一步到位的解决办法 #

不需要先上采样到1秒再下采样，咱们可以直接基于原始数据的时间信息，对目标10秒索引做插值：

方法1：用reindex结合插值

先生成覆盖原始数据时间范围的10秒间隔目标索引，再把原始数据和目标索引合并后做时间插值：

# 生成目标10秒索引：从原始数据最早时间的最近10秒整开始，到最晚时间结束
target_idx = pd.date_range(
    start=interval8df.index.min().floor('10s'),
    end=interval8df.index.max(),
    freq='10s'
)

# 合并原始索引和目标索引，插值后筛选目标索引的结果
result = interval8df.reindex(interval8df.index.union(target_idx))\
                    .interpolate(method='time')\
                    .loc[target_idx]
print(result['Hi'])

执行后会得到预期结果：

2025-12-02 17:39:00    60.00
2025-12-02 17:39:10    65.00
2025-12-02 17:39:20    74.00
2025-12-02 17:39:30    84.00
2025-12-02 17:39:40    94.00
2025-12-02 17:39:50    104.00
2025-12-02 17:40:00    114.00
2025-12-02 17:40:10    124.00
Freq: 10s, Name: Hi, dtype: float64

方法2：用merge_asof实现精准时间插值

另一种更灵活的方式是利用pd.merge_asof，先创建目标索引的DataFrame，再和原始数据按时间匹配后插值：

# 创建目标索引的DataFrame
target_df = pd.DataFrame(index=target_idx)
# 按时间匹配原始数据，保留前后最近的点
merged = pd.merge_asof(target_df, interval8df.reset_index(), left_index=True, right_on='index', direction='nearest')
# 基于时间插值
result = merged.set_index('index')['Hi'].interpolate(method='time')
print(result)

这个方法同样能得到正确的插值结果，适合更复杂的时间序列场景。

补充说明 #

如果你坚持想用resample实现，也可以调整参数后结合插值，但可读性稍差：

# 设置左闭合区间，确保原始数据被正确分组，再用apply调用插值
result = interval8df.resample('10s', closed='left', label='left').apply(
    lambda x: np.interp(x.index[-1], interval8df.index, interval8df['Hi'])
)

还是更推荐前面两种直接插值的方案。

备注：内容来源于stack exchange，提问作者user30106177