python 用df.resample，要求只对已有的时间进行取周期

如果你想要对一个 DataFrame 中已有的时间数据进行周期性的重采样，可以使用 `pd.date_range` 函数生成一个新的时间索引，然后使用 `reindex` 函数对 DataFrame 进行索引重建。例如：

import pandas as pd

# 假设 df 是一个 DataFrame，其中包含时间序列数据
df = ...

# 生成一个新的时间索引，表示每个月的第一个工作日
new_index = pd.date_range(start=df.index.min(), end=df.index.max(), freq='BMS')

# 对 df 进行索引重建，仅保留新时间索引中存在的时间点
df_resampled = df.reindex(new_index).dropna()

在上面的例子中，`pd.date_range` 函数生成了一个新的时间索引，表示每个月的第一个工作日。然后，使用 `reindex` 函数对 DataFrame 进行索引重建，仅保留新时间索引中存在的时间点，最后使用 `dropna` 函数删除重采样后存在缺失值的行。这样，`df_resampled` 中只包含原始数据中已有的时间点，并按照月份进行了重采样。你可以根据需要选择其他的重采样频率。