推荐使用 resample(...).last() 或 resample(...).apply(lambda x: x.iloc[-1]) 保留每组最后一行完整数据；前者取各列最后一个非空值，后者严格取原始索引末位整行，均需确保时间索引已排序且无重复。
在 pandas 中对时间序列进行 resample 时，默认会聚合（如取均值、求和等），原始的非时间列（如 ID、标签、状态等）通常会丢失或无法直接保留。若想在 resample 后**保留原始最后一行对应的所有其他列值**（即按时间分组后，每组取时间上最晚那条记录的完整行，而非仅对数值列聚合），推荐使用 resample(...).last() 或更稳妥的 resample(...).apply(lambda x: x.iloc[-1])。
用 .last() 直接获取每组最后一条记录
.last() 是 resample 的内置方法，它对每组内各列分别取**最后一个非空值**（注意：不是索引最大的行，而是按时间顺序排好后，最后一个有效值）。前提是你的 DatetimeIndex 已排序且无重复时间戳（否则行为可能不符合预期）。
df_resampled = df.resample('D').last()✅ 优点：简洁、高效。
⚠️ 注意：对非数值列（如字符串、类别型）也适用；但如果某列在该组内全为 NaN，则结果也为 NaN。
用 .apply(lambda x: x.iloc[-1]) 确保取原始最后一行完整数据
当需要严格保证取的是**原始 DataFrame 中该组里索引位置最靠后（即时间戳最大）的那一整行**（包括所有列，不管是否为空），应使用 apply + iloc[-1]：
df_resampled = df.resample('D').apply(lambda x: x.iloc[-1])✅ 优点：100% 取原始最后一行，不跳过 NaN，保留全部列结构。
⚠️ 注意：要求每组至少有一行（否则报错），可加 dropna=False 并配合异常处理；若存在多条相同时间戳的记录，iloc[-1] 取的是它们中在原始顺序里排最后的那个。
确保时间索引正确且已排序
resample 行为依赖 DatetimeIndex 的顺序。如果时间列是普通列，需先设为索引并排序：
df = df.set_index('time_col').sort_index()- 若时间列含时区，建议统一转为 UTC 或无时区（
dt.tz_localize(None)或dt.tz_convert(None)），避免 resample 出错 - 检查是否有重复时间戳：
df.index.duplicated().any()，如有，考虑先去重或用groupby(..., dropna=False)预处理
补充：想保留特定列（如 ID）而不参与聚合？
如果只想保留某几列（比如 'id', 'status'），又不想让它们被 .last() 影响（例如怕 status 被误填 NaN），可先分离再合并：
numeric_cols = df.select_dtypes(include='number').columns
other_cols = ['id', 'status']
<h1>对数值列 resample 求和/均值，对其他列取 last</h1><p>resampled_numeric = df[numeric_cols].resample('D').sum()
resampled_other = df[other_cols].resample('D').last()</p><p>df_resampled = pd.concat([resampled_numeric, resampled_other], axis=1) 
