Python 如何从最后一行开始对时间序列数据进行反向重采样？

我有几行数据（每秒），我用两个小时对它们进行重采样，对于每个特性，我应用了不同的计算，简言之：

data = data.resample('2H').agg({'id':'first','x1': np.sum, 
                                'x2': np.mean}).dropna()

由于每个文件包含一天的记录，因此将产生大约12行，从每天00:00开始

datetime            id      x1      x2      
2019/05/03 0:00     5603    1324    4600
2019/05/03 2:00     5603    1276    2836
2019/05/03 4:00     5603    184     258
2019/05/03 6:00     5603    546     929
2019/05/03 8:00     5603    2       1
2019/05/03 10:00    5603    6       3
2019/05/03 12:00    5603    8       5
2019/05/03 14:00    5603    835     1798
2019/05/03 16:00    5603    14      7
2019/05/03 18:00    5603    690     1518
2019/05/03 20:00    5603    823     1636
2019/05/03 22:00    5603    972     2547

我的问题是：如何从最后一行向后两小时（或任何时间范围）重新采样？ 目前，对于每个CSV文件，最后一行将是我向后重新采样的“起点”，例如：

如果我的最后一行是2019/05/03 09:27:00，那么我需要重新采样2019/05/03 07:27:00到2019/05/03 09:27:00的数据，依此类推

---

我寻找同样的问题，发现了这个：但无法实现它，以解决我的问题

您可以通过对时间戳应用转换，对转换后的索引重新采样，然后还原转换来完成此操作

end_time = data.index[-1]
data['time to end'] = end_time - data.index
data.set_index('time to end', inplace=True)

data = data.resample('2h').mean() # Or your function

data['datetime'] = end_time - data.index
data.set_index('datetime', inplace=True)

---

这也快把我逼疯了。我一直觉得重采样应该是我想要的。最终，我通过使用origin参数使其工作

periods = pd.date_range("2020-10-17 15:53:03", "2020-10-17 15:56:56", freq="1s")
ts = pd.Series(range(len(periods)), index=periods)
resampled = ts.resample('60s', origin=ts.index[-1], closed='right', label='right')

---

这里有一些错误：ValueError：传递值的形状是（1，2），索引暗示（1，0），结束时间显示NaT，知道为什么吗？