Pandas: 등간격이 아닌 시계열을 등간격 18.0rc1로 보간(업샘플링)

등공간 시계열을 얻기 위해 (고급) 비등간 시계열을 보간하고 싶습니다.

현재 다음과 같은 방법으로 하고 있습니다.

1. 원래 시계열을 가져 가라.
2. 30초 간격으로 NaN 값으로 새 시계열 생성( resample('30S').asfreq() 사용)
3. concat 원래 시계열 및 새 시계열
4. 시간 순서를 복원하기 위해 시계열을 정렬합니다(이것은 마음에 들지 않습니다 - 정렬은 O = n log(n)의 복잡성을 가짐)
5. 보간하다
6. 시계열에서 원래 점 제거

더 간단한 방법이 있습니까? matlab에서와 같이 원래 시계열이 있고 원하는 시간에 값을 수신하기 위해 interpolate() 함수에 매개변수로 새 시간을 전달합니다. 이상적으로는 다음과 같은 기능을 갖고 싶습니다.

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

원래 시계열의 시간은 원하는 시계열 시간의 하위 집합이 아닐 수 있습니다.

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()