Pandas: Интерполировать (upsample) временные ряды с неравномерным интервалом в равномерный интервал 18.0rc1

Я хочу интерполировать (масштабировать) временные ряды без интервалов, чтобы получить временные ряды с равными интервалами.

В настоящее время я делаю это следующим образом:

1. взять оригинальные таймсерии.
2. создавать новые таймсерии со значениями NaN через каждые 30 секунд (используя resample ('30S'). asfreq ())
3. concat исходные таймсерии и новые таймсерии
4. отсортируйте временные ряды, чтобы восстановить порядок времени (это мне не нравится - сортировка имеет сложность O = n log (n))
5. интерполировать
6. удалить исходные точки из таймсерий

есть способ попроще? как и в Matlab, у вас есть оригинальные временные ряды, и вы передаете новое время в качестве параметра функции interpolate () для получения значений в желаемое время. В идеале я бы хотел иметь такую ​​функцию, как

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

Замечу, что времена исходных таймсерий могут не быть подмножеством времен желаемых таймсерий.

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()