Pandas如何基于其他列的45秒时间窗口对指定列求和并跳过空区间

核心思路是通过整数除法计算每个时间戳所属的45秒窗口的起始值，再按窗口分组对weight求和即可，空窗口会因为没有匹配数据自动被排除，不需要额外处理。

完整代码示例 #

import pandas as pd

# 构造示例数据，实际使用时替换为你自己的DataFrame读取逻辑即可
data = {
    "weight": [1,1,1,1,1,1,1],
    "timeblock": [1620975600, 1620975640, 1620975700, 1620975715, 1620975740, 1620975790, 1620975800]
}
df = pd.DataFrame(data)

# 计算每个时间点对应的45秒窗口起始时间
df["interval"] = (df["timeblock"] // 45) * 45

# 按窗口分组求和，调整列顺序得到最终结果
result = df.groupby("interval", as_index=False)["weight"].sum()[["weight", "interval"]]

print(result)

输出结果 #

weight    interval
0       2  1620975600
1       2  1620975690
2       1  1620975735
3       2  1620975780

注意事项 #

如果你的timeblock列是datetime类型而非秒级整数时间戳，需要先转成秒级时间戳再做计算：

# datetime类型转秒级时间戳
df["timeblock"] = df["timeblock"].astype("int64") // 10**9

内容的提问来源于stack exchange，提问作者hunterm