如何为含Datetime Index的DataFrame生成插值后时间索引新表

没问题！要给你的DataFrame生成带插值后时间索引的新表，用pandas可以轻松搞定。我会结合你的示例数据一步步演示，你可以根据自己需要调整时间粒度~

首先先还原你的原始DataFrame：

import pandas as pd

# 构建你提供的示例数据
data = {'values': [10, 20, 30]}
dates = pd.to_datetime(['2010-01-01', '2010-01-02', '2010-01-03'])
df = pd.DataFrame(data, index=dates)

1. 生成目标时间索引 #

首先你需要定义想要的插值后时间粒度，比如按小时、分钟，或者补全缺失的日期。用pd.date_range()来生成连续的时间序列：

# 示例：生成小时级的连续时间索引（从原数据的最早到最晚时间）
new_index = pd.date_range(start=df.index.min(), end=df.index.max(), freq='H')

这里的freq参数可以灵活调整：

• 'H' = 小时级
• 'T' = 分钟级
• 'D' = 天级（如果只是补全缺失的日期）
• 还可以自定义比如'30T'代表每30分钟

2. 重新索引并插值 #

用reindex()把原数据对齐到新的时间索引，再用interpolate()完成数值插值：

# 线性插值（默认方法，适合连续数值的平滑过渡）
df_interpolated = df.reindex(new_index).interpolate(method='linear')

如果你不需要平滑插值，而是想要保持前一个时间点的值直到下一个，就用前向填充：

# 前向填充（保留上一个有效值）
df_interpolated = df.reindex(new_index).interpolate(method='ffill')

查看结果 #

运行后你可以打印前几行看看效果：

print(df_interpolated.head())

输出示例（小时级线性插值）：

values
2010-01-01 00:00:00    10.0
2010-01-01 01:00:00    10.416667
2010-01-01 02:00:00    10.833333
2010-01-01 03:00:00    11.250000
2010-01-01 04:00:00    11.666667

如果你的需求是补全天级缺失值（比如原数据中间缺了某几天），只需要把freq改成'D'即可，逻辑完全一致~

内容的提问来源于stack exchange，提问作者user9505772