pandas 的 `resample().ohlc()` 默认按右闭合（即时间桶右边界对齐）进行分组，导致结果中时间戳代表窗口结束时刻而非起始时刻；若需左对齐（如 18:30:30–18:30:40），需手动调整索引偏移。

在使用 Pandas 对时间序列数据执行 resample('10s').ohlc() 时，你可能会观察到一个看似“错位”的现象：例如原始数据中最早的时间戳是 2025-02-01 18:30:46，而 resample 输出的第一行时间戳却是 2025-02-01 18:30:40，对应 OHLC 值为 [1.0, 2.0, 1.0, 2.0]。这并非 bug，而是 Pandas 标准的右对齐（right-aligned）窗口行为 —— 即每个 10s 时间桶默认定义为 (t−10s, t]，其中 t 是输出索引时间戳。

这意味着：

• 2025-02-01 18:30:40 表示窗口 (18:30:30, 18:30:40]（含 18:30:40，不含 18:30:30）；
• 因此该行聚合的是发生在 18:30:31 至 18:30:40 之间的所有价格（实际数据中 1.0 和 2.0 正好落在这个区间内）。

✅ 验证方法：检查原始数据是否按时间升序排列。若数据为降序（如题中所示：从 18:34:58 递减至 18:30:46），resample 仍严格按时间轴逻辑分桶，不受行序影响。

? 解决方案：实现左对齐窗口（如 [t, t+10s)）
只需对 resample 后的索引统一减去一个 Timedelta：

import pandas as pd

# 假设 df 已设置 timestamp_column 为 DatetimeIndex
df_resample = df.resample('10s')['price'].ohlc()
df_resample.index -= pd.Timedelta('10s')  # 将右边界对齐 → 左边界对齐

print(df_resample.head())
# 输出示例：
#                      open  high   low  close
# timestamp_column                           
# 2025-02-01 18:30:30   1.0   2.0   1.0    2.0
# 2025-02-01 18:30:40   3.0   5.0   3.0    5.0
# 2025-02-01 18:30:50   6.0   8.0   6.0    8.0

? 进阶提示：

• 若需更灵活控制对齐方式（如居中、自定义偏移），可结合 offset 参数（Pandas ≥ 1.1）：

  df.resample('10s', offset='5s')['price'].ohlc()  # 窗口中心对齐于每5秒

• 始终确保索引为 DatetimeIndex 且时区一致（必要时用 .dt.tz_localize() 或 .dt.tz_convert()）；
• resample 不会自动排序数据，但会基于时间戳值正确分桶；若需按时间升序处理（如填充、插值），建议先执行 df.sort_index()。

? 总结：Pandas 的 resample 行为完全符合设计预期，所谓“错误”实为对窗口语义理解偏差。通过显式索引偏移或 offset 参数，即可精准匹配业务所需的窗口定义（如 K 线起始时间、交易所撮合周期等）。