问题描述
我有一个看起来像这样的 Pandas DataFrame df：
location_id attr1 attr2
time_delta
0 days 00:00:00 8.0 0.67739 0.609226
0 days 00:00:00.013436 8.0 0.68721 0.619355
0 days 00:00:00.015436 8.0 0.69741 0.619355
0 days 00:00:00.017436 8.0 0.71632 0.626419
0 days 00:00:00.019436 8.0 0.76437 0.637783
0 days 00:00:00.021436 8.0 0.72739 0.638984
time_delta 是一个 timedeltaIndex 并且它是我的 DataFrame 对象的唯一索引。
我想重新采样这个点数据集，使每个重新采样的点彼此相距 0.01 秒。
为了计算新的重采样数据点的属性值，我想对每个属性应用线性插值，使用 time_delta 轴作为每个重采样数据点的标识符。
我尝试按照教程 here 进行操作，它们获得了相同的所需行为，但在 Pandas 系列上，即只有一个属性。 resample 方法的行为对于 DataFrame 对象是不同的，因为它返回一个 Resampler 对象。
我尝试使用“线性”方法参数调用结果 interpolate 对象的 Resampler 方法，如下所示：
df.resample(f"0.01S",axis="index").interpolate(method="linear")
但它只是将第一个数据点的值复制到所有其他重新采样的数据点。
我不想聚合重采样的值，所以我不想调用重采样器的 mean 或 last 方法。我基本上想为我拥有的原始条目上的每个属性拟合一行，然后提取与每个重新采样的 time_delta 相关联的值（现在相隔 0.01 秒）。
我怎么能这样做？我假设我可以以某种方式将每个初始时间步长-属性组合引入一个系列，然后在 Series 对象上运行插值，这似乎可以满足我的要求，然后将结果合并回单个 DataFrame ，但还有更好的选择吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）