python - Pandas 时间序列重新采样 + 线性调整值

Question

使用 python 和 pandas，我如何将时间序列重新采样到甚至 5 分钟的间隔(偏移=从整小时开始的零分钟)，同时还线性调整值？
因此，我想把这个:

         value
00:01    2
00:05    10
00:11    22
00:14    28

进入这个:

         value
00:00    0
00:05    10
00:10    20
00:15    30

请注意“值”列是如何调整的。

为简单起见，我选择的值恰好为 2 * 分钟数。

然而，在现实生活中，值(value)观并不那么完美。有时在两个偶数 5 分钟间隔之间会存在多个值，有时在两个“真实”值之间会存在一个以上 5 分钟间隔，因此在重新采样时我需要，对于每个偶数 5 分钟间隔，找到“真实” "在那个甚至 5 分钟的间隔之前和之后的值，并从中计算出一个线性内插值。

附注。
互联网上到处都有很多关于这方面的信息，但我仍然无法找到可以完成我想做的事情的函数(sum、max、mean 等，或编写我自己的函数)。

Answer 1

我重新考虑了代码，因为注释中省略了该要求。通过将原始数据框与扩展到一分钟的数据框组合来创建新的数据框。我对新数据框进行线性插值，并以 5 分钟为增量提取结果。这是我对流程的理解。如果我错了，请给我另一个答案。

import pandas as pd
import numpy as np
import io

data = '''
time value
00:01 2
00:05 10
00:11 22
00:14 28
00:18 39
'''
df = pd.read_csv(io.StringIO(data), sep='\s+')
df['time'] = pd.to_datetime(df['time'], format='%H:%M')
time_rng = pd.date_range(df['time'][0], df['time'][4], freq='1min')
df2 = pd.DataFrame({'time':time_rng})
df2 = df2.merge(df, on='time', how='outer')
df2 = df2.set_index('time').interpolate('time')
df2.asfreq('5min')
    value
time    
1900-01-01 00:01:00 2.0
1900-01-01 00:06:00 12.0
1900-01-01 00:11:00 22.0
1900-01-01 00:16:00 33.5