Pandas: 将（上采样）非等距时间序列插入等距 18.0rc1

我想插入（高档）非等距时间序列以获得等距时间序列。

目前我正在通过以下方式进行操作：

1. 取原始时间序列。
2. 以每 30 秒的间隔创建具有 NaN 值的新时间序列（使用 resample('30S').asfreq() ）
3. 连接原始时间序列和新时间序列
4. 对时间序列进行排序以恢复时间顺序（这我不喜欢 - 排序的复杂性为 O = n log(n) ）
5. 插
6. 从时间序列中删除原始点

有没有更简单的方法？ 就像在 matlab 中一样，您拥有原始时间序列，并将新时间作为参数传递给 interpolate() 函数以在所需时间接收值。 理想情况下，我想要一个功能，例如

origTimeSeries.interpolate(newIndex=newTimeIndex, method='spline')

我注意到原始时间序列的时间可能不是所需时间序列时间的子集。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

values = [271238, 329285, 50, 260260, 263711]
timestamps = pd.to_datetime(['2015-01-04 08:29:4',
                             '2015-01-04 08:37:05',
                             '2015-01-04 08:41:07',
                             '2015-01-04 08:43:05',
                             '2015-01-04 08:49:05'])

ts = pd.Series(values, index=timestamps)
ts
ts[ts==-1] = np.nan
newFreq=ts.resample('60S').asfreq()

new=pd.concat([ts,newFreq]).sort_index()
new=new.interpolate(method='time')

ts.plot(marker='o')
new.plot(marker='+',markersize=15)

new[newFreq.index].plot(marker='.')

lines, labels = plt.gca().get_legend_handles_labels()
labels = ['original values (nonequispaced)', 'original + interpolated at new frequency (nonequispaced)', 'interpolated values without original values (equispaced!)']
plt.legend(lines, labels, loc='best')
plt.show()