在python中合并具有不同时间频率的系列/数据帧

我正在尝试合并两个系列，一个以小时为单位，另一个以分钟为单位（并将索引保持在分钟级别）：

B系列（分钟）：

Series B

time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: B, dtype: float64

我想按小时合并这两个系列。所需的合并数据帧为：

time
2017-09-01 00:00:00         NaN       0.5
2017-09-01 00:03:00   -0.000350       0.5
2017-09-01 00:06:00    0.000401       0.5
2017-09-01 01:00:00    0.002301       0.4
2017-09-01 01:03:00    0.005601       0.4

在搜索SO之后，我发现了一种方法，即在序列B中创建一个“小时”列，然后使用A的索引和B的“小时”列将A连接到B：（参考：）

但我收到了错误信息：

TypeError: Argument 'values' has incorrect type (expected numpy.ndarray, got Index)

有人知道如何解决这个问题吗？或者有更好的方式加入这两个系列？非常感谢

演示：

In [280]: A
Out[280]:
time
2017-09-01 01:00:00    0.5
2017-09-01 02:00:00    0.4
Name: val, dtype: float64

In [281]: B
Out[281]:
time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: val, dtype: float64

In [282]: B.to_frame('B').join(A.to_frame('A').set_index(A.index.shift(-1, freq='H')).resample('3T').ffill())
Out[282]:
                            B    A
time
2017-09-01 00:00:00       NaN  0.5
2017-09-01 00:03:00 -0.000350  0.5
2017-09-01 00:06:00  0.000401  0.5

---

很抱歉，我本应该更清楚，但我希望将合并的数据帧保持在分钟级别，即索引B。这就是我使用（how='left'）的原因。我对问题进行了编辑，使其更具体。@ian_chan，你能在问题中发布你想要的（输出）数据集吗？当然可以。只是做了些改变。很抱歉给您带来不便，您为什么要将序列

A

中的小时

01

与序列

B

中的小时

00

进行匹配？因为这些是“自上一行以来的返回”。i、 e.0.5是00:00到01:00之间的返回时间。这可以使用shift命令进行调整，因此我的主要问题仍然是频率的差异：（我已经更新了我的答案-请检查谢谢！所以诀窍是重新采样和ffill！

TypeError: Argument 'values' has incorrect type (expected numpy.ndarray, got Index)

In [280]: A
Out[280]:
time
2017-09-01 01:00:00    0.5
2017-09-01 02:00:00    0.4
Name: val, dtype: float64

In [281]: B
Out[281]:
time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: val, dtype: float64

In [282]: B.to_frame('B').join(A.to_frame('A').set_index(A.index.shift(-1, freq='H')).resample('3T').ffill())
Out[282]:
                            B    A
time
2017-09-01 00:00:00       NaN  0.5
2017-09-01 00:03:00 -0.000350  0.5
2017-09-01 00:06:00  0.000401  0.5