如何在Pandas DataFrame中按15分钟时间粒度复制数值？

你的需求是将原DataFrame中每个value值对应到4个15分钟间隔的时间戳（如00:00、00:15、00:30、00:45共用同一个数值），原代码使用interpolate()会做线性插值而非直接复制原值，因此无法达到效果。以下两种方法可以实现需求：

方法一：使用resample + 前向填充（ffill） #

这种方法适合原始时间戳按小时（或更长间隔）排列的场景，通过重采样生成15分钟间隔序列，再将原始值向前填充3次（覆盖自身+后续3个15分钟点）：

import pandas as pd

# 处理时间戳格式
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%d.%m.%Y %H:%M')
# 设置时间索引，重采样为15分钟间隔，前向填充3次
df_result = df.set_index('timestamp').resample('15T').ffill(limit=3).reset_index()

方法二：手动重复行并生成时间偏移 #

如果需要更灵活控制时间序列，可以先将每行数据重复4次，再为每行添加对应的分钟偏移：

import pandas as pd

# 处理时间戳格式
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%d.%m.%Y %H:%M')
# 重复每行4次
df_repeated = df.loc[df.index.repeat(4)].reset_index(drop=True)
# 为每组重复行添加0、15、30、45分钟的偏移
df_repeated['timestamp'] = df_repeated['timestamp'] + pd.to_timedelta(df_repeated.groupby(df_repeated.index // 4).cumcount() * 15, unit='m')

原代码问题说明 #

你之前使用asfreq('15T')会生成15分钟间隔的时间序列，但中间缺失的value会被设为NaN，而interpolate()默认是线性插值，会计算相邻数值的中间值，并非直接复制原始值，因此不符合你的需求。

内容的提问来源于stack exchange，提问作者PeterBe