pandas 的 `resample().ohlc()` 默认按右闭合区间对齐（如 18:30:40–18:30:50），若原始数据为降序排列，易误判为“错位”；实际行为正确，但可通过 `index -= pd.timedelta()` 简单偏移实现左闭合语义。
在使用 Pandas 进行时间序列重采样（resample）时，df.resample('10s').ohlc() 的时间标签对齐逻辑常引发误解。关键在于：Pandas 的 resample 默认采用“右闭合、左开放”（right-closed, left-open）的时间箱边界，即 '10s' 分箱将时间划分为 [t-10s, t) 区间，而返回的索引 t 代表该区间的右端点。
观察你的数据：时间戳是降序排列（最新数据在前，如 18:34:58 → 18:30:46）。当调用 resample('10s') 时，Pandas 会自动对齐到最近的、能被 10 秒整除的右边界时间点。因此：
- 时间戳 18:30:46, 18:30:49, 18:30:52, 18:30:55, 18:30:58
- 全部落入区间 [18:30:40, 18:30:50)，故归入以 18:30:50 为标签的箱——但你看到的输出索引却是 18:30:40？
⚠️ 注意：这恰恰说明你的原始索引是 DatetimeIndex 且已设为降序，Pandas 在内部仍按标准规则计算分箱，但因数据从高时间向低时间递减，首个有效分箱的右边界被“向下取整”至 18:30:40（即 floor(18:30:46 / 10s) * 10s = 18:30:40），因此该箱实际覆盖 [18:30:30, 18:30:40) —— 此时 18:30:40 是右边界，符合默认语义。
但业务上常需“左闭合”解释（如 [18:30:30, 18:30:40]），此时可手动校准索引：
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
立即学习“Python免费学习笔记（深入）”；
# 正确做法：先 resample，再统一左移一个周期
df_resample = df.resample('10s')['price'].ohlc()
df_resample.index -= pd.Timedelta('10s') # 向左平移 10 秒
print(df_resample.head())
# 输出示例：
# open high low close
# timestamp_column
# 2024-02-01 18:30:30 1.0 2.0 1.0 2.0
# 2024-02-01 18:30:40 3.0 5.0 3.0 5.0
# 2024-02-01 18:30:50 6.0 8.0 6.0 8.0✅ 补充建议：
- 若数据本应升序，请先执行 df = df.sort_index() 再 resample，逻辑更直观；
- 使用 origin='start' 或 offset 参数（Pandas ≥ 1.1）可更灵活控制对齐基准：
df.resample('10s', origin='start')['price'].ohlc() # 以首条记录时间为起点对齐 - 验证分箱范围：df.resample('10s').apply(lambda x: (x.index.min(), x.index.max()))
总之，resample 行为完全符合文档定义，所谓“错误”实为对默认对齐策略的理解偏差。通过索引偏移或参数微调，即可精准匹配业务所需的时间语义。
