合并具有不同时间分辨率的熊猫时间序列数据帧

Question

我有两个数据帧，每个数据帧都有日期时间索引。其中一个数据集的时间分辨率为 12.33 分钟，此处为 df1，另一个数据集的时间分辨率为 1 秒，此处称为 df2：

np.random.seed(seed=1111)
data = np.random.randint(1, high=100, size=len(minutes))
data_1 = np.random.randint(1, high=100, size=len(seconds))
Channel_1=data*0.1
Channel_2=data
Channel_1_1=data_1*10
Channel_1_2=data_1*100
df1 = pd.DataFrame({'Datetime': minutes, 'Channel 1': Channel_1, 'Channel 2': Channel_2})
df1 = df1.set_index('Datetime')
df2 = pd.DataFrame({'Datetime': seconds, 'Channel 1': Channel_1_1, 'Channel 2': Channel_1_2})
df2 = df2.set_index('Datetime')

下面是 df1 和 df2 的本质：

我现在想合并这些数据帧，以便它们共享相同的时间分辨率。本质上，我想重新采样 df2（理想情况下使用 mean()），然后将它与来自 df1 的数据一起放在新数据框中，日期时间索引与 df1 相同（即df2 的第一个值将是 df1.index[0] 和 df1.index[[1]] 之间的平均值）。了解是否可以根据 df1.index[0] 和 df1.index[[1]] 之间的中点进行平均也很有趣。我一直在玩 resample、reindex 和 pd.merge_asof，但我似乎无法找到有效的解决方案。