如何在Python Pandas中删除时间间隔小于1分钟的DataFrame行

你的代码newdf=df1[df1['Time'].dt.minute%1==0]无效的原因很明确：dt.minute返回的是0-59的整数，任何整数对1取模结果都是0，这个条件会保留所有行，完全达不到筛选间隔的目的。下面是两种针对性的解决方案：

方案一：保留相邻时间间隔≥1分钟的行 #

适合需要保留所有与前一行时间差至少1分钟的记录（比如数据中存在不规则间隔的情况）：

1. 先确保时间列是datetime类型（如果还不是的话）：

df1['Time'] = pd.to_datetime(df1['Time'])

2. 如果数据未按时间排序，先排序（这一步很关键，否则时间差计算会出错）：

df1 = df1.sort_values('Time').reset_index(drop=True)

3. 计算相邻行的时间差，筛选符合条件的行：

# 计算时间差（转换为分钟）
time_diff = df1['Time'].diff().dt.total_seconds() / 60

# 保留第一行（无前置行）和时间差≥1分钟的行
newdf = df1[time_diff.isna() | (time_diff >= 1)]

方案二：按1分钟频率重采样（固定间隔取数） #

如果你的需求是每个整分钟只保留一条记录（比如从第一个时间点开始，每到整分钟取一个样本），可以用重采样方法：

# 确保时间列是datetime类型
df1['Time'] = pd.to_datetime(df1['Time'])

# 按1分钟间隔重采样，取每个时间段的第一条数据（可替换为mean/max等聚合函数）
newdf = df1.resample('1min', on='Time').first().reset_index()

这个方法会自动处理同分钟内的多条数据，只保留你指定的聚合结果（比如第一条、平均值等）。

内容的提问来源于stack exchange，提问作者Ojas Mohan