在Pandas DataFrame中插入新行，生成10分钟间隔时间序列并保留数据

这是一个很常见的时间序列扩展需求，用Pandas可以轻松实现，这里给你两种可行的方案：

方法一：手动生成时间序列并展开 #

这种方法直接为每一行原始数据生成包含6个10分钟间隔的时间点，然后展开成新行，适合需要明确控制时间点生成逻辑的场景。

步骤代码： #

import pandas as pd

# 1. 构造原始DataFrame（你可以直接读取自己的数据源，这里用你提供的示例数据）
data = [
    [1, "2016-10-01 01:00:00", 1014.7, 23.6],
    [2, "2016-10-01 02:00:00", 1014.3, 23.6],
    [3, "2016-10-01 03:00:00", 1014.3, 23.8],
    [4, "2016-10-01 04:00:00", 1014.3, 23.8],
    [5, "2016-10-01 05:00:00", 1014.4, 24.3],
    [6, "2016-10-01 06:00:00", 1014.9, 24.6],
    [7, "2016-10-01 07:00:00", 1015.6, 25.7],
    [8, "2016-10-01 08:00:00", 1015.8, 26],
    [9, "2016-10-01 09:00:00", 1016.3, 27.3],
    [10, "2016-10-01 10:00:00", 1016.5, 25.8],
    [11, "2016-10-01 11:00:00", 1016.6, 26],
    [12, "2016-10-01 12:00:00", 1016.6, 27.3]
]
df = pd.DataFrame(data, columns=["id", "timestamp", "pressure", "temp"])

# 2. 将timestamp转换为datetime类型（必须步骤，否则无法生成时间序列）
df["timestamp"] = pd.to_datetime(df["timestamp"])

# 3. 为每一行生成6个10分钟间隔的时间点（原时间 + 5次10分钟增量）
df["timestamp"] = df["timestamp"].apply(
    lambda x: pd.date_range(start=x, periods=6, freq="10min")
)

# 4. 展开时间序列列表，生成新的DataFrame
df_expanded = df.explode("timestamp", ignore_index=True)

# 查看结果
print(df_expanded.head(10))

效果说明： #

每一行原始数据会被扩展为6行，时间依次为原小时点、+10分钟、+20分钟……+50分钟，压力、温度等数值会自动重复填充到对应的新行中。

方法二：使用resample重采样（更简洁） #

如果你的数据时间序列是连续的，用Pandas的resample方法会更简洁，它会自动生成指定频率的时间点，并通过前向填充保留原始数据。

步骤代码： #

import pandas as pd

# 1. 构造并预处理原始DataFrame（同方法一）
data = [
    [1, "2016-10-01 01:00:00", 1014.7, 23.6],
    [2, "2016-10-01 02:00:00", 1014.3, 23.6],
    [3, "2016-10-01 03:00:00", 1014.3, 23.8],
    [4, "2016-10-01 04:00:00", 1014.3, 23.8],
    [5, "2016-10-01 05:00:00", 1014.4, 24.3],
    [6, "2016-10-01 06:00:00", 1014.9, 24.6],
    [7, "2016-10-01 07:00:00", 1015.6, 25.7],
    [8, "2016-10-01 08:00:00", 1015.8, 26],
    [9, "2016-10-01 09:00:00", 1016.3, 27.3],
    [10, "2016-10-01 10:00:00", 1016.5, 25.8],
    [11, "2016-10-01 11:00:00", 1016.6, 26],
    [12, "2016-10-01 12:00:00", 1016.6, 27.3]
]
df = pd.DataFrame(data, columns=["id", "timestamp", "pressure", "temp"])
df["timestamp"] = pd.to_datetime(df["timestamp"])

# 2. 将timestamp设为索引（resample需要时间索引）
df.set_index("timestamp", inplace=True)

# 3. 按10分钟频率重采样，用前向填充保留上一个小时的数值
df_resampled = df.resample("10min").ffill()

# 4. 重置索引，将timestamp变回普通列
df_resampled.reset_index(inplace=True)

# 查看结果
print(df_resampled.head(10))

效果说明： #

resample("10min")会自动生成从第一个时间点到最后一个时间点的所有10分钟间隔点，ffill()会把最近的原始数据填充到中间的时间点，最终得到的结果和方法一完全一致。

注意事项： #

• 无论哪种方法，必须确保timestamp列是datetime类型，否则无法生成时间序列或进行重采样。
• 如果你的原始数据有缺失的小时点，resample会自动补全时间间隔，而方法一只会扩展存在的行，你可以根据自己的需求选择。

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