Python 使用精确的开始周期对数据帧重新采样

考虑如下所示的数据帧：

time
18:00:00.051563    2575.50
18:00:01.023444    2575.50
18:00:02.000000    2575.50
18:00:03.000000    2575.50
18:00:04.000000    2575.50
18:00:05.000000    2575.50
18:00:06.000000    2575.50
18:00:07.000000    2575.50

我想重新采样为2秒间隔，开始间隔为

18:00:00.000000

。但由于我的系列中的第一个数据点是

18:00:00.051563

，因此生成的存储桶也从

00.051563

开始，而不是

00.00000

df.resample（'2S'，closed='left'，label='left'，base=0）。mean（）

---

意识到@piRSquared的代码按预期工作，我重新检查了数据管道，并意识到我的

time

列类型是

TimedeltaIndex

，这是导致重采样中意外行为的原因

TimedeltaIndex

源于纯时间字符串的隐式转换

如果您的问题与我的类似，这可能会帮助您：

df['datetime'] = pd.to_datetime(df['date'] + df['time'])

---

我无法重现这个问题。我从18:00开始获取索引。版本

0.20.3

@piRSquared您能发布您的代码吗？

来自熊猫导入时间戳；pd.系列（{Timestamp（'2017-10-31 18:00:00.051563'）：2575.5，Timestamp（'2017-10-31 18:00:01.023444'）：2575.5，Timestamp（'2017-10-31 18:00:02'）：2575.5，Timestamp（'2017-10-31 18:00:03'）：2575.5，Timestamp（'2017-10-31 18:00:05'）：2575.5，Timestamp（'2017-10-10-31 18:00:05'）：2575.5，Timestamp（'（'2017-10-31 18:00:07'）：2575.5}）。重采样（'2S'）。平均值（）

@piRSquared这有助于我找到答案。谢谢！

df['datetime'] = pd.to_datetime(df['date'] + df['time'])