Python：将随机时间索引转为秒级索引及resample使用问题求助

嘿，我懂你碰到的这个麻烦——本来以为用resample('1s').pad()就能轻松实现秒级时间填充，结果出来的结果却不对对吧？大概率是你没先把时间列转换成Datetime索引，这是resample方法生效的关键前提！

我给你一步步拆解正确的处理流程：

1. 确保原始数据的时间列是Datetime类型并设为索引 #

resample是基于DatetimeIndex工作的，如果你的时间列只是普通字符串，resample根本没法识别时间间隔，自然出不来预期结果。

先看完整的代码示例：

import pandas as pd

# 你的原始数据
raw_data = [
    ["2017-11-23 16:30:52+01:00", 20],
    ["2017-11-23 16:30:58+01:00", 30],
    ["2017-11-23 16:31:30+01:00", 25]
]

# 转换成DataFrame
df = pd.DataFrame(raw_data, columns=["timestamp", "value"])

# 核心步骤：把时间字符串转成Datetime类型，再设置为索引
df["timestamp"] = pd.to_datetime(df["timestamp"])
df = df.set_index("timestamp")

2. 执行秒级填充 #

现在再用resample('1s').pad()（或者等价的ffill()）就没问题了：

# 按秒重采样并向前填充
filled_df = df.resample('1s').pad()

# 查看结果，比如截取52秒到59秒的部分
print(filled_df["2017-11-23 16:30:52":"2017-11-23 16:30:59"])

输出结果会和你期望的一致：

value
timestamp                 
2017-11-23 16:30:52     20
2017-11-23 16:30:53     20
2017-11-23 16:30:54     20
2017-11-23 16:30:55     20
2017-11-23 16:30:56     20
2017-11-23 16:30:57     20
2017-11-23 16:30:58     30
2017-11-23 16:30:59     30

为什么之前的方法失效？ #

如果跳过了把时间列转成Datetime索引的步骤，resample会把数据当成普通的行索引来处理，而不是时间序列，自然不会按时间间隔生成连续的秒级时间戳，结果就不符合预期了。

内容的提问来源于stack exchange，提问作者Johannes