Pandas: Interpolieren (Upsampling) von Zeitreihen ohne gleichen Abstand in 18.0rc1 . mit gleichem Abstand

Ich möchte (hochskalierte) Zeitreihen ohne gleichen Abstand interpolieren, um Zeitreihen mit gleichem Abstand zu erhalten.

Zur Zeit mache ich es wie folgt:

1. nimm originale Zeitreihen.
2. neue Zeitreihen mit NaN-Werten alle 30 Sekunden erstellen (mit resample('30S').asfreq() )
3. concat original timeseries und neue timeseries
4. Sortieren Sie die Zeitreihen, um die Reihenfolge der Zeiten wiederherzustellen (Das gefällt mir nicht - das Sortieren hat eine Komplexität von O = n log(n) )
5. interpolieren
6. Originalpunkte aus der Zeitreihe entfernen

gibt es einen einfacheren weg? wie in Matlab haben Sie ursprüngliche Zeitreihen und Sie übergeben neue Zeiten als Parameter an die Funktion interpolate(), um Werte zu gewünschten Zeiten zu erhalten. Idealerweise hätte ich gerne eine Funktion wie

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

Ich bemerke, dass die Zeiten der ursprünglichen Zeitreihen möglicherweise keine Untermenge der Zeiten der gewünschten Zeitreihen sind.

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()