Python 在不计算新偏移量的情况下对时间序列重新采样

我正在读取仅包含可用时间的timeseries数据。这导致序列没有缺失值，但索引间隔不均匀。我想把它转换成一个

系列

，它有一个等间距的索引，其中缺少值。因为我事先不知道间距是多少，所以我现在使用一个函数，比如

min_dt      = np.diff(series.index.values).min()
new_spacing = pandas.DateOffset(days=min_dt.days, seconds=min_dt.seconds,
                                microseconds=min_dt.microseconds)
series      = series.asfreq(new_spacing)

计算间距应该是多少（请注意，这使用的是Pandas 0.7.3-0.8测试版代码看起来略有不同，因为我必须使用series.index.to_pydatetime（）来获得Numpy 1.6的正确行为）

---

使用pandas库是否有更简单的方法来执行此操作？

如果您想在没有数据的地方使用NaN，可以使用datetools中的

Minute（）

（从pandas 0.7.x开始）

---

这应该提供一个间隔均匀的时间序列，在没有数据的情况下，以NaN作为序列值，相差1分钟

正如您所说，这将导致条目之间的间隔为一分钟。我试图在它们均匀分布的地方得到它，间距等于条目之间的最小间距（即数据的“实际”频率是多少-每24小时或每12小时，等等）。对不起，误解了这个问题。在这种情况下，我不确定是否有比你现有的更简单的方法。它有什么问题？严格地说，没有什么“错误”，但随着我对pandas库的了解，我希望避免重新实现我不知道的内置函数。此外，必须将索引的显式值与NumPy一起使用，这在pandas 0.8.0 beta版中导致了一些问题，该版本使用NumPy datetime类型，其中日期时间从pandas索引中看起来很好，但查看底层NumPy数组会给出奇怪的值和错误的计算。

from pandas.core.datetools import day, Minute
tseries.asfreq(Minute())