pandas 时间序列重采样与插值的正确组合方法：先聚合再插值

使用 resample().interpolate() 时，直接对非规则时间序列调用 .interpolate(method='time') 不会按时间轴线性插值，而是对每个重采样桶内数据执行默认聚合（如首值）后再插值；正确做法是先用 resample().mean()（或 .first()/.last()）生成规则时间索引的粗粒度序列，再对其缺失点进行 interpolate(method='time'）。

在 pandas 里处理时间序列时，resample().interpolate() 这个组合写法，很多人容易踩坑。它并不是直接对原始不规则时间戳做全局的时间加权插值，而是先按指定频率（比如 '2min'）将数据分桶，每个桶内默认取第一个非空值（等价于 .first() ），然后再对聚合后得到的规则序列插值。结果就是，你可能会看到大量重复值，以及不符合物理意义的线性趋势——比如明明温度在变化，但前几个桶的值却始终是 25.0。

那正确做法是什么？分两步走：先聚合，再插值。这才是符合时间序列分析直觉的流程。

1. 聚合（Aggregation）：用 resample('2min').mean()（或 .first()、.last()、.median()）将原始不规则时间序列压缩到规则时间网格上，每个桶内取一个代表值，同时保留时间索引的对齐关系。
2. 插值（Interpolation）：聚合结果中，那些因原始数据缺失而产生的 NaN，再使用 interpolate(method='time') 进行基于时间戳的线性插值。这个操作会自动识别 DatetimeIndex，并按秒级精度计算权重，插值结果更精确。

下面是一个完整的可运行示例，可以直接复制到环境中体验：

import pandas as pd
import numpy as np

# 生成模拟不规则时间序列（原始数据）
np.random.seed(0)
num_rows = 20
data = {
    'temperature': np.random.randint(20, 30, num_rows),
    'humidity': np.random.randint(40, 60, num_rows)
}
time_offsets = np.random.randint(0, 120, num_rows)  # ±120秒扰动
time_offsets = pd.to_timedelta(time_offsets, unit='s')
start_time = pd.Timestamp('2024-02-24 09:55:37')
time_indices = [
    start_time + pd.Timedelta(minutes=2 * i) + offset 
    for i, offset in enumerate(time_offsets)
]
df_raw = pd.DataFrame(data, index=time_indices)

# ✅ 正确做法：先聚合 → 再插值
df_resampled = df_raw.resample('2min').mean()          # 每2分钟桶内取均值（自动对齐到 :00 秒）
df_interp = df_resampled.interpolate(method='time')    # 对 NaN 执行时间加权线性插值

print("原始不规则数据（前5行）：")
print(df_raw.head(5))
print("\n聚合后（每2分钟均值，含NaN）：")
print(df_resampled.head(10))
print("\n插值后（时间加权线性插值）：")
print(df_interp.head(10))

几个关键点需要特别留意：

• method='time' 要求索引必须是 DatetimeIndex，本例中已经满足。如果索引不是日期时间类型，会退化为 method='index'，按整数位置插值，那结果就不对了。
• 如果某个2分钟桶内完全没有原始数据，resample().mean() 会产生 NaN。后续的 interpolate() 可以跨桶插值，前提是前后有有效值。
• 默认情况下，interpolate() 不支持边界外推。如果需要外推，可以结合 scipy.interpolate.interp1d(fill_value="extrapolate") 或手动处理。
• 另一个替代方案是：如果追求更高精度且数据量不大，也可以直接用 reindex().interpolate(method='time')，配合自定义目标时间索引（比如 pd.date_range(..., freq='2min')）来实现。

总结一下：resample().interpolate() 是一个容易让人误解的“伪原子操作”。它的插值对象是聚合结果，而不是原始数据。牢记「先降频聚合、再时间插值」这个范式，才能得到符合物理直觉的、严格按时间戳加权的重采样序列。