Pandas 多列数据按 MMSI 与航次分组的等间隔重采样与插值教程

本文介绍如何对含时间戳的船舶轨迹数据（按 mmsi 和 departures_count 分组）进行精确的 10 分钟等间隔重采样，并对 calc_speed、coursechange 等多列执行线性或立方插值，避免 resample().interpolate() 的 nan 或重复值问题。

在船舶 AIS 数据分析中，原始记录常存在不规则采样间隔（如数秒到数十分钟不等），直接比较或建模前需统一时间分辨率。pandas.DataFrame.resample() 虽支持时间重采样，但其与 interpolate() 的链式调用在分组场景下易失效——尤其当组内时间跨度不足一个周期、或索引未对齐时，常返回全 NaN 或填充恒定值。根本原因在于：resample('10Min').interpolate() 默

认按固定频率生成新索引并插值，但未保证每组内部索引范围覆盖完整目标区间，也未处理边界外推与索引对齐。

以下方案采用「显式时间网格构建 + 双重 reindex」策略，确保每组独立生成精准的 10 分钟等距时间点，并安全插值：

import pandas as pd

def resample_group_10min(g, method='linear'):
    """
    对单个分组执行10分钟等间隔重采样与插值
    :param g: 分组后的DataFrame（已设时间为索引）
    :param method: 插值方法，支持 'linear', 'cubic', 'polynomial', 'spline' 等
    :return: 重采样后DataFrame，索引为10分钟对齐的时间戳
    """
    if len(g) == 0:
        return g

    # 步骤1：确定该组时间范围，并扩展至最近的10分钟边界
    start = g.index[0].floor("10min")
    end = g.index[-1].ceil("10min")

    # 步骤2：构建完整10分钟时间序列（包含首尾）
    target_index = pd.date_range(start=start, end=end, freq="10Min")

    # 步骤3：先扩展原索引（union），再插值（双向限制），最后截取目标索引
    g_extended = g.reindex(g.index.union(target_index))
    g_interp = g_extended.interpolate(method=method, limit_direction="both")
    result = g_interp.reindex(target_index)

    return result

# 数据预处理
df["timestamp"] = pd.to_datetime(df["timestamp"])
df = df.set_index("timestamp")

# 按MMSI和departures_count分组，应用自定义重采样函数
out = df.groupby(["mmsi", "departures_count"], group_keys=False).apply(
    lambda g: resample_group_10min(g, method="linear")  # 改为 "cubic" 即可启用立方插值
)

print(out.head(10))

✅ 关键优势说明：

• ✅ 分组独立性：每组（同一 MMSI + 同一航次）单独计算起止时间与目标网格，避免跨航次污染；
• ✅ 边界鲁棒性：.floor("10min") 与 .ceil("10min") 确保时间轴严格对齐（如 07:11:59 → 07:10:00），消除偏移；
• ✅ 插值可控性：limit_direction="both" 允许向前/向后插值，解决首尾点缺失问题；reindex(...) 保证输出索引纯净无冗余；
• ✅ 方法灵活切换：仅需将 method='linear' 替换为 'cubic'、'quadratic' 或 'spline'（后者需指定 order），即可升级插值精度（注意：cubic 要求至少4个点，否则退化为线性）。

⚠️ 注意事项：

• 若某组数据点过少（如仅1–2个），立方插值可能不稳定或报错，建议添加 try/except 或降级逻辑；
• 插值仅作用于数值列（如 calc_speed, coursechange），非数值列（如 mmsi）会自动前向填充（ffill），若需保持原始值，应在 resample_group_10min 中显式保留分组键或使用 asfreq() 配合 fillna()；
• 对超大数据集（228万+行），groupby().apply() 存在性能开销，可考虑使用 dask.dataframe 或分块处理优化。

通过本方法，您将获得结构清晰、时间对齐、物理意义合理的标准化轨迹数据，为后续速度趋势分析、航向变化建模或机器学习特征工程奠定坚实基础。