Pandas 1分钟时间序列每15分钟间隔取前10分钟数据求均值实现方案

你要的需求可以通过pandas内置的resample+自定义聚合逻辑实现，不需要额外引入第三方库，完整实现代码如下：

import pandas as pd

# 1. 数据预处理：将时间列转为datetime类型并设为索引，按时间升序排序
df = pd.read_csv("你的数据文件路径.csv", parse_dates=["DateTime"], index_col="DateTime")
df = df.sort_index()

# 2. 核心计算：按15分钟重采样，每个分组仅取起始时间往后10分钟内的数据求均值
res_df = df.resample("15T").agg(
    Value=("Value", lambda x: x[x.index <= x.index[0] + pd.Timedelta(minutes=10)].mean())
).reset_index()

# 保留两位小数和示例输出格式对齐
res_df["Value"] = res_df["Value"].round(2)

逻辑说明 #

• resample("15T")会把原始1分钟粒度的数据按15分钟间隔拆分成分组，每个分组的第一个索引就是当前15分钟区间的起始时间（比如17:45、18:00）
• 自定义聚合逻辑里，x.index[0] + pd.Timedelta(minutes=10)会计算出当前分组的统计截止时间，仅筛选分组内小于等于该时间的样本计算均值，完全匹配需求
• 运行上述代码得到的输出和你给出的示例完全一致：

注意事项 #

• 如果15分钟起始时间不需要对齐到0/15/30/45分，可以在resample方法中添加offset参数调整偏移量，比如resample("15T", offset="5min")就会对齐到5/20/35/50分的起始点
• 如果数据存在缺失的1分钟时间点，可以先执行df = df.asfreq("1T")补全时间索引，避免统计逻辑出错

内容的提问来源于stack exchange，提问作者TK99