在python中合并具有不同时间频率的系列/数据帧

我正在尝试合并两个系列，一个以小时为单位，另一个以分钟为单位（并将索引保​​持在分钟级别）：

Series A:

time
2017-09-01 01:00:00   0.5
2017-09-01 02:00:00   0.4
Freq: H, Name: A, dtype: float64

B 系列分钟：

Series B

time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: B, dtype: float64

我想按小时合并两个系列。所需的合并数据框将是：

time
2017-09-01 00:00:00         NaN       0.5
2017-09-01 00:03:00   -0.000350       0.5
2017-09-01 00:06:00    0.000401       0.5
2017-09-01 01:00:00    0.002301       0.4
2017-09-01 01:03:00    0.005601       0.4

在搜索SO后，我发现的一种方法是在B系列中创建一个“小时”列，然后使用A的索引和B的“小时”列将A连接到B：（参考：在 Pandas 中合并/组合两个具有不同频率时间序列索引的数据帧？)

B = B.to_frame()
B['hour'] = B.index.to_period('H')
merged = B.join(A, on = 'hour', how = 'left')

但我收到错误消息：

TypeError: Argument 'values' has incorrect type (expected numpy.ndarray, got Index)

有谁知道如何解决这个问题？或者也许有更好的方式将这两个系列结合起来？多谢！

Demo:

In [280]: A
Out[280]:
time
2017-09-01 01:00:00    0.5
2017-09-01 02:00:00    0.4
Name: val, dtype: float64

In [281]: B
Out[281]:
time
2017-09-01 00:00:00         NaN
2017-09-01 00:03:00   -0.000350
2017-09-01 00:06:00    0.000401
Name: val, dtype: float64

In [282]: B.to_frame('B').join(A.to_frame('A').set_index(A.index.shift(-1, freq='H')).resample('3T').ffill())
Out[282]:
                            B    A
time
2017-09-01 00:00:00       NaN  0.5
2017-09-01 00:03:00 -0.000350  0.5
2017-09-01 00:06:00  0.000401  0.5