Pandas 时间序列重采样和插值一起

我有带时间戳的传感器数据。由于技术细节的原因，我从传感器获取数据大约间隔一分钟。数据可能如下所示：

   tstamp               val
0  2016-09-01 00:00:00  57
1  2016-09-01 00:01:00  57
2  2016-09-01 00:02:23  57
3  2016-09-01 00:03:04  57
4  2016-09-01 00:03:58  58
5  2016-09-01 00:05:00  60

现在，本质上，如果我在准确的时刻获得所有数据，我会非常高兴，但我没有。保存分布并获取每分钟数据的唯一方法是插值。例如，行索引 1 和 2 之间有 83 秒，获取精确分钟值的自然方法是在两行数据之间进行插值（在本例中为 57，但事实并非如此）到处）。

现在，我的方法是执行以下操作：

date = pd.to_datetime(df['measurement_tstamp'].iloc[0].date())
ts_d = df['measurement_tstamp'].dt.hour * 60 * 60 +\
       df['measurement_tstamp'].dt.minute * 60 +\
       df['measurement_tstamp'].dt.second
ts_r = np.arange(0, 24*60*60, 60)
data = scipy.interpolate.interp1d(x=ts_d, y=df['speed'].values)(ts_r)
req = pd.Series(data, index=pd.to_timedelta(ts_r, unit='s'))
req.index = date + req.index

但这对我来说感觉相当漫长和漫长。有一些出色的 pandas 方法可以进行重采样、舍入等。我一整天都在阅读它们，但事实证明没有什么可以按照我想要的方式进行插值。resample工作原理就像groupby并对落在一起的时间点进行平均。fillna进行插值，但不在之后resample已经通过平均改变了数据。

我是否遗漏了什么，或者我的方法是最好的吗？

为简单起见，假设我按天和传感器对数据进行分组，因此一次仅对一个传感器的 24 小时周期进行插值。

d = df.set_index('tstamp')
t = d.index
r = pd.date_range(t.min().date(), periods=24*60, freq='T')

d.reindex(t.union(r)).interpolate('index').ix[r]

Note, periods=24*60适用于日常数据，而不适用于问题中提供的样本。对于该样本，periods=6将工作。