Python 熊猫用新的时间尺度插值

我有一个时间序列，在事件发生的任何时候都会记录时间戳（因此没有给定的频率）。时间戳的精度为毫秒。 随着数千行和许多变量的进行，我想创建一个具有给定频率（此处为“5ms”）的新时间范围，并在这些时间内插值。所以我试了一下：

import pandas as pd

a = pd.DataFrame({"Time":pd.to_datetime(['2016-01-23 00:00:00.001',
'2016-01-23 00:00:00.013','2016-01-23 00:00:00.018',
'2016-01-23 00:00:00.024']),
"Value": [1,2,3,4]})

a = a.set_index(a["Time"])
b = pd.date_range(start='2016-01-23 00:00:00.00',
  end='2016-01-23 00:00:00.025', freq='5ms')
c = a.reindex(b).interpolate(method="time")
>>                        Time  Value
  2016-01-23 00:00:00.000  NaT    NaN
  2016-01-23 00:00:00.005  NaT    NaN
  2016-01-23 00:00:00.010  NaT    NaN
  2016-01-23 00:00:00.015  NaT    NaN
  2016-01-23 00:00:00.020  NaT    NaN
  2016-01-23 00:00:00.025  NaT    NaN
d=a.resample('5ms').interpolate()
>>                        Time  Value                             
  2016-01-23 00:00:00.000  NaT    NaN
  2016-01-23 00:00:00.005  NaT    NaN
  2016-01-23 00:00:00.010  NaT    NaN
  2016-01-23 00:00:00.015  NaT    NaN
  2016-01-23 00:00:00.020  NaT    NaN

我想，如果新的时间尺度不包含以前的时间戳，那么这些解决方案都无法工作？我最终解决了这个问题，如下所示：

e = a.reindex(a.index.union(b)).interpolate(method='time').reindex(b)
>>                        Time     Value
  2016-01-23 00:00:00.000  NaT       NaN
  2016-01-23 00:00:00.005  NaT  1.333333
  2016-01-23 00:00:00.010  NaT  1.749995
  2016-01-23 00:00:00.015  NaT  2.400031
  2016-01-23 00:00:00.020  NaT  3.333348
  2016-01-23 00:00:00.025  NaT  4.000000

---

但这看起来很重，对我来说效率不高。我本来希望通过插值函数可以直接实现这一点。有什么想法吗？

如果在索引上设置时间，可以使用重采样

a = pd.DataFrame({"Time":pd.to_datetime(['2016-01-23 00:00:00.001',
   '2016-01-23 00:00:00.013','2016-01-23 00:00:00.018',
   '2016-01-23 00:00:00.024']),
   "Value": [1,2,3,4]})

a.set_index('Time', inplace=True)    

print(a.resample('1ms').interpolate().resample('5ms').first())

输出：

                        Value
Time                             
2016-01-23 00:00:00.000  1.000000
2016-01-23 00:00:00.005  1.333333
2016-01-23 00:00:00.010  1.750000
2016-01-23 00:00:00.015  2.400000
2016-01-23 00:00:00.020  3.333333

还是有点变通。但这是很重要的

直接重采样到5微秒会产生更粗的插值：

print(a.resample('5ms').first().interpolate())

                         Value
Time                          
2016-01-23 00:00:00.000    1.0
2016-01-23 00:00:00.005    1.5
2016-01-23 00:00:00.010    2.0
2016-01-23 00:00:00.015    3.0
2016-01-23 00:00:00.020    4.0

---

谢谢你的回答，它确实有效，但看起来确实和我的解决方案一样有解决办法。我想知道是否有可能直接在一个新的时间索引上插值，而不必在一行中重新索引或重新采样两次。在我的案例研究中，我有几千行和一些变量，我想线性插值，一些我只想“ffill”，另一些我只想得到最近的值。对于所有这些情况，必须进行2次重新索引+填充操作需要很长的计算时间！您可以使用：a.resample（'5ms'）.interpolate（）直接插值一次，但结果是非常粗糙的插值。您指的不是我在示例中称为变量“d”的东西吗？它在这里不起作用。不知道为什么它对你不起作用。对我来说，这是一个答案。我会在其他输出下发布。谢谢。仅供参考，我正在运行熊猫0.19.1。我还在让NaN运行你的代码