Pandas: Interpolar (upsample) séries temporais não equidistantes em 18.0rc1 equidistantes

Eu quero interpolar (upscale) séries temporais não espaçadas para obter séries temporais equidistantes.

Atualmente estou fazendo isso da seguinte maneira:

1. pegue séries temporais originais.
2. crie novas séries temporais com valores NaN a cada intervalo de 30 segundos (usando resample ('30S'). asfreq ())
3. concat séries do tempo originais e novas séries do tempo
4. classificar a série do tempo para restaurar a ordem dos tempos (isso eu não gosto - a classificação tem complexidade de O = n log (n))
5. interpolar
6. remover pontos originais da série do tempo

existe uma maneira mais simples? como no matlab, você tem séries de tempo originais e passa novos tempos como um parâmetro para a função interpolate () para receber valores nos tempos desejados. Idealmente, gostaria de ter uma função como

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

Observo que os tempos das séries do tempo originais podem não ser um subconjunto dos tempos das séries do tempo desejadas.

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()