如何用Pandas为缺失时间戳分组的行数统计填充0值？

你可以通过两种方式填充缺失的时间区间为0：

方法一：对已分组结果重新索引 #

先基于现有分组数据的时间范围生成完整的10分钟间隔时间序列，再重新对齐原数据并填充缺失值：

import pandas as pd

# 你的原分组代码
minutes = '10T'
grouped_df = df.loc[df['id_area'] == 3].groupby(pd.to_datetime(df["timestamp"]).dt.floor(minutes))["x"].count()

# 生成完整的时间索引
start = grouped_df.index.min()
end = grouped_df.index.max()
full_time_index = pd.date_range(start=start, end=end, freq=minutes)

# 重新索引并填充0
filled_grouped = grouped_df.reindex(full_time_index, fill_value=0)

执行后filled_grouped会包含所有10分钟间隔的时间点，空缺区间的计数为0。

方法二：直接用resample替代groupby（更简洁） #

使用resample可以直接生成完整的时间区间并统计，无需后续补全：

minutes = '10T'
# 筛选数据后设置时间索引，resample按10分钟统计数量，自动补全缺失区间为0
filled_grouped = (
    df.loc[df['id_area'] == 3]
    .assign(timestamp=pd.to_datetime(df['timestamp']))
    .set_index('timestamp')
    ['x']
    .resample(minutes)
    .count()
)

resample会自动覆盖从数据中最早到最晚时间的所有10分钟间隔，没有数据的区间计数自然为0，无需额外填充。

内容的提问来源于stack exchange，提问作者JayJona