pd.Grouper(origin='start')以数据首个时间戳为分组区间左边界起点，后续区间按freq等距对齐，确保首尾紧贴实际数据范围，避免空桶或覆盖偏差。
pd.Grouper(origin='start') 是什么作用
pd.Grouper 的 origin 参数控制时间分组的“锚点”位置，origin='start' 表示以数据中第一个时间戳（df.index.min() 或分组列最小值）作为分组区间的左边界起点，后续所有区间都按频率对齐到这个起点。
它不改变分组频率（如 'D'、'M'），只挪动整个时间网格的起始位置。默认 origin='start_day'（对日频是当天 00:00，但对非日频常导致意外偏移），而 origin='start' 更贴近“从第一笔数据开始切片”的直觉。
为什么用 origin='start' 而不是默认值
常见错误现象：用 pd.Grouper(freq='2D') 分组时，结果里出现空桶或首尾区间不覆盖实际数据范围，比如：
- 数据从
'2023-01-02 14:30'开始，但默认分组从'2023-01-02 00:00'起，导致第一个桶含无数据的 00:00–14:30； - 或更糟：默认按月分组时，
origin='start_day'会强制从当月 1 日起，哪怕你的数据从 15 号才开始，头一个桶就为空。
使用 origin='start' 后，分组网格变成：
- 首个区间左端 =
df.index.min() - 后续区间 = 左端 + n × freq
这样能确保每个桶至少可能有数据，且首尾紧贴数据实际跨度。
怎么正确传参：必须配合 key 和 freq 使用
pd.Grouper 的 origin 只在时间型分组中生效，且必须同时指定：
-
key：指向时间列（如key='ts'）或设level（对 DatetimeIndex） -
freq：明确频率字符串（如'3H'、'W-MON'）
否则 origin 被忽略，不报错但无效。
df.groupby(pd.Grouper(key='ts', freq='2D', origin='start')).sum() # ✅ 正确：ts 是 datetime 列df.set_index('ts').groupby(pd.Grouper(freq='2D', origin='start')).sum()
✅ 正确：ts 是 index
df.groupby(pd.Grouper(freq='2D', origin='start')).sum()
❌ 报错：缺少 key 或 level，无法定位时间轴
容易被忽略的细节和兼容性问题
-
origin='start' 对 freq 的解析依赖 pandas 版本：1.1+ 支持，但 1.0.x 及更早版本不识别该参数，会静默忽略 → 建议检查 pandas.version
- 若数据中存在 NaT，
df.index.min() 可能为 NaT，此时 origin='start' 会触发 ValueError；需提前清洗：df = df.dropna(subset=['ts'])
-
freq 必须是可锚定的（如 'D'、'H'、'MS'），不能是模糊单位如 'M'（月末）或 'A'（年末），否则 origin 行为不可控
- 多级索引下，
origin='start' 仍只基于所选 level 的最小值，与其他 level 无关
origin='start' 对 freq 的解析依赖 pandas 版本：1.1+ 支持，但 1.0.x 及更早版本不识别该参数，会静默忽略 → 建议检查 pandas.version
df.index.min() 可能为 NaT，此时 origin='start' 会触发 ValueError；需提前清洗：df = df.dropna(subset=['ts'])
freq 必须是可锚定的（如 'D'、'H'、'MS'），不能是模糊单位如 'M'（月末）或 'A'（年末），否则 origin 行为不可控origin='start' 仍只基于所选 level 的最小值，与其他 level 无关分组起点这事看着小，但一旦数据起始时间不规整，又没显式控制 origin，聚合结果的时间对齐就会漂移——尤其做跨周期对比或写入时序数据库时，这种偏移很难事后察觉。
