Python pandas DataFrame如何按分钟对timestamp时间戳进行分组统计

首先执行类型转换，确保timestamp列为pandas datetime格式，避免后续操作报错：

import pandas as pd
sell['timestamp'] = pd.to_datetime(sell['timestamp'])

方案1：使用resample方法（推荐，针对时间序列做了性能优化） #

resample是pandas专为时间序列重采样设计的功能，代码更简洁：

# 将timestamp列设为索引
sell = sell.set_index('timestamp')
# 按1分钟频率分组求价格均值
sell_price = sell['price'].resample('1min').mean().reset_index()

如果需要输出的timestamp保留每个分组内第一条记录的毫秒后缀（和你给出的预期输出格式一致），调整写法如下：

sell_price = sell.resample('1min').agg(
    timestamp = ('timestamp', 'first'),
    price = ('price', 'mean')
).reset_index(drop=True)

方案2：基于原有groupby写法修改 #

和你现有按秒分组的逻辑一致，仅需要修改分组键即可：

sell_price = sell.groupby(sell['timestamp'].dt.floor('min'))['price'].mean().reset_index()

说明 #

• dt.floor('min') 作用是将时间戳向下对齐到分钟级起始点，所有属于同一分钟的记录会被归为一组
• 你可以灵活调整时间粒度：'S'代表秒、'T'/'min'代表分钟、'H'代表小时，适配不同聚合需求

内容的提问来源于stack exchange，提问作者user11594234