使用Pandas规整Excel表：将分钟级数据转为15分钟间隔采样

嘿，我明白你的需求了——你不需要对15分钟窗口内的数据求和，只想精准保留那些分钟数为0、15、30、45的原始记录对吧？这其实不用resample求和，换个思路直接筛选就行，给你两种靠谱的方法：

方法一：直接筛选分钟数（推荐，完全保留原始数据） #

这种方法直接从原数据中挑选符合时间条件的行，不做任何聚合操作，完美匹配你的需求：

import pandas as pd

# 读取Excel数据
data = pd.read_excel('file.xlsx')

# 确保Datetime列是pandas的datetime类型（避免读入时格式异常）
data['Datetime'] = pd.to_datetime(data['Datetime'])

# 筛选出分钟数为0、15、30、45的记录
filtered_data = data[data['Datetime'].dt.minute.isin([0, 15, 30, 45])]

# 保存结果到新Excel文件
filtered_data.to_excel('new_file.xlsx', index=False)

说明：如果你的数据是严格每分钟一条，这个方法会精准保留每个15分钟整点的那条原始记录，直接删除中间时段的数据，完全符合你的预期。

方法二：使用asfreq()确保严格时间间隔 #

如果需要确保最终结果是严格的15分钟时间序列（哪怕原数据中某个整点记录缺失，会保留时间戳并填充NaN），可以用这个方法：

import pandas as pd

data = pd.read_excel('file.xlsx')
data['Datetime'] = pd.to_datetime(data['Datetime'])

# 将Datetime设为索引，使用asfreq获取15分钟整点数据
data.set_index('Datetime', inplace=True)
filtered_data = data.asfreq('15T')

# 还原索引并保存
filtered_data.reset_index(inplace=True)
filtered_data.to_excel('new_file.xlsx', index=False)

说明：这个方法会强制生成连续的15分钟时间戳，适合需要严格对齐时间序列的场景；如果原数据无缺失，结果和方法一完全一致。

内容的提问来源于stack exchange，提问作者LordVader