Excel中按15分钟时间间隔提取每日数据最大值的方法

原始数据 #

解决方案（Python Pandas） #

针对一年规模的不规则时间间隔数据，Pandas的resample方法是处理这类时间序列聚合的高效方案，比数据透视表更适配大规模数据场景：

1. 数据预处理：将时间列转换为datetime类型（若数据包含日期，需保留完整的日期时间格式，比如2023-01-01 00:25:00）
2. 设置时间索引：把时间列设为DataFrame的索引，便于时间序列操作
3. 15分钟间隔聚合：用resample('15T')按15分钟分组，提取每组的最大值
4. 补全天时间区间：确保结果覆盖全天所有15分钟时段，即使该时段无数据

代码示例

import pandas as pd

# 读取数据（根据实际数据源调整，比如CSV/Excel）
df = pd.read_csv('your_data.csv')

# 转换时间列为datetime类型
df['Column A'] = pd.to_datetime(df['Column A'], format='%H:%M:%S')

# 设置时间列为索引
df = df.set_index('Column A')

# 生成全天完整的15分钟时间范围
full_time_range = pd.date_range(start='00:00:00', end='23:45:00', freq='15T')

# 按15分钟间隔聚合最大值，并对齐到完整时间范围
result = df['Column B'].resample('15T').max().reindex(full_time_range)

# 查看结果（无数据时段会显示NaN，可按需用fillna填充）
print(result)

关键说明

• resample('15T')：15T代表15分钟间隔，Pandas会自动将每个时间点分配到对应区间（例如00:25:00归入00:15:00-00:29:59区间）
• max()：提取每个区间内Column B的最大值
• reindex(full_time_range)：强制结果包含全天所有15分钟区间，避免遗漏无数据时段

若数据按天存储，只需保证Column A包含完整日期时间信息，resample会自动按日期+15分钟的维度完成分组聚合。

内容的提问来源于stack exchange，提问作者Pliz89