Pandas: Interpoler (suréchantillonner) des séries temporelles non équidistantes en 18.0rc1 équidistantes

Je veux interpoler (upscale) des séries chronologiques non équidistantes pour obtenir des séries chronologiques équidistantes.

Actuellement, je le fais de la manière suivante :

1. prendre des séries temporelles originales.
2. créer de nouvelles séries temporelles avec des valeurs NaN toutes les 30 secondes ( en utilisant resample('30S').asfreq() )
3. concaténer les séries temporelles originales et les nouvelles séries temporelles
4. trier les séries temporelles pour restaurer l'ordre des temps (cela ne me plaît pas - le tri a une complexité de O = n log(n) )
5. interpoler
6. supprimer les points d'origine de la série temporelle

y a-t-il un moyen plus simple? comme dans matlab, vous avez des séries temporelles d'origine et vous passez de nouvelles heures en paramètre à la fonction interpolate() pour recevoir des valeurs aux heures souhaitées. Idéalement, j'aimerais avoir une fonction telle que

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

Je remarque que les heures des séries temporelles originales pourraient ne pas être un sous-ensemble des heures des séries temporelles souhaitées.

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()