如何提取DataFrame中每30分钟时刻的行数据？

首先排查关键问题，并提供两种可行方案：

1. 先确保时间列是datetime类型 #

resample 仅对datetime类型的列生效，如果你的agenttimestamp是字符串或其他非时间类型，先做转换：

import pandas as pd
df['agenttimestamp'] = pd.to_datetime(df['agenttimestamp'])

2. 方案一：直接筛选符合条件的行（推荐，若原始数据存在目标时间点） #

如果数据里刚好有09:30、10:00这类精确时间点的记录，直接筛选分钟数为0或30的行即可：

# 筛选分钟为0/30的行
filtered_df = df[df['agenttimestamp'].dt.minute.isin([0, 30])]

# 若要求时间精确到整分（无秒级偏差），补充秒的筛选条件
filtered_df = df[
    df['agenttimestamp'].dt.minute.isin([0, 30]) & 
    (df['agenttimestamp'].dt.second == 0)
]

3. 方案二：用resample聚合（适用于原始数据无精确时间点的情况） #

你之前用resample没得到预期结果，是因为没有指定聚合函数——resample默认只是创建时间区间分组，不会自动筛选或聚合数据。如果要提取每个30分钟区间的首行/末行（假设数据已按时间排序）：

# 按30分钟区间分组，取每个区间的第一行
resampled_df = df.resample('30T', on='agenttimestamp').first().reset_index()

# 或者取每个区间的最后一行
resampled_df = df.resample('30T', on='agenttimestamp').last().reset_index()

如果需要自定义聚合逻辑（比如取区间内_value的平均值），可以用agg()方法：

resampled_df = df.resample('30T', on='agenttimestamp').agg({
    'item': 'first',
    'id': 'first',
    '_value': 'mean'
}).reset_index()

内容的提问来源于stack exchange，提问作者Nishad Nazar