如何按日期时间分组DataFrame并计算各列的分钟均值？

要实现按分钟对DataFrame分组并计算各列均值，最终每分钟仅保留一条记录，可以用pandas的时间序列处理功能，以下是两种常用的实现方式：

方法一：使用resample重采样（推荐用于时间序列数据） #

如果你的日期时间列是标准的时间格式，先确保它被转换为datetime类型，然后通过重采样功能按分钟聚合：

import pandas as pd

# 假设你的DataFrame名为df，日期时间列名为'timestamp'
# 1. 将日期时间列转换为datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 2. 将日期时间列设置为索引（resample需要基于时间索引）
df = df.set_index('timestamp')

# 3. 按分钟('T'代表分钟)重采样，计算所有列的均值
df_minute_mean = df.resample('T').mean()

# 如果需要将时间索引转回普通列
df_minute_mean = df_minute_mean.reset_index()

方法二：使用groupby配合dt.floor #

如果不想修改索引，可以通过提取分钟级别的时间戳作为分组键，再聚合计算均值：

import pandas as pd

# 1. 转换日期时间列类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 2. 生成分钟级别的分组键（将时间戳向下取整到分钟）
df['minute_group'] = df['timestamp'].dt.floor('min')

# 3. 按分钟分组，计算各列均值
df_minute_mean = df.groupby('minute_group').mean().reset_index()

# 可选：删除临时分组列
df_minute_mean = df_minute_mean.drop(columns=['minute_group'])

两种方法最终都会得到每分钟一条记录，每条记录对应原数据该分钟内各列的平均值。如果某一分钟没有数据，resample会生成NaN值（可以通过添加dropna=True参数移除这些行），而groupby则不会包含该分钟的记录。

内容的提问来源于stack exchange，提问作者user15370388