从 Matlab 切换到 Python 将在一定程度上取决于您所在的领域（例如，如果您从事图像处理/成像，Matlab 非常可靠，因此切换会更加困难）以及您同事的固执/老板。虽然 Matlab 的文档很容易找到，但它也是你所得到的，而 Python 包通常有不错的文档以及关于 SE 的无数帖子，其中有人可能已经回答了你的问题。

Python 最大的优点之一是它是开源的，但它会使找到合适的工具稍微耗时一些。你的例子是关于重采样。Pandasresample是为时间序列设计的（参见pandas doc）。所有的论点都被描述了，但如果我真的需要更深入地理解任何东西，我也可以查看源代码。或者我在网上搜索一些例子：http: //benalexkeen.com/resampling-time-series-data-with-pandas/

但似乎您实际上对插值函数感兴趣。如果我们搜索“Python 插值”，我们会发现一些方法。看起来 Scipy 有一个广泛的插值包：https ://docs.scipy.org/doc/scipy/reference/interpolate.html

弄清楚如何在 Python 中搜索你需要的东西需要一些时间，但是一旦你掌握了窍门，网上就有很多很棒的各种应用程序的例子。另外，在 Python（和 R）中绘图远远超出了 Matlab（c'mon mathworks）。最后，您可以做我所做的，除非确实有必要，否则完全拒绝使用 Matlab，并希望他们不会解雇您！

我认为文档，至少对于您的示例而言，并不太晦涩难懂。它没有告诉你它使用什么样的插值，因为它不使用任何：resample是一个延迟操作。为了使其工作，您必须将它与执行插值的函数一起调用，例如series.resample(frequency).mean()或series.resample(frequency).interpolation('cubic')（从文档中的示例可以看出）。有时，查看发行说明以获取更多信息可能会有所帮助。

Scipy 和 Numpy 有时不是很详细，但它们至少包含相当数量的参考资料和更多信息。（这里还有一个关于 Matlab 与 Numpy 的部分。如果您熟悉dplyrR语言，那么pandas 备忘单可以帮助您快速比较 R 和 pandas 之间的典型数据处理操作。）

我不知道包含整个库的“第二个更详细的文档”。您可能不得不求助于书籍（当然，这些书籍并不完整或始终是最新的）。