如何将pandas时序DataFrame按15分钟间隔聚合数据

核心前提校验 #

首先需要确认你的DataFrame行索引为Pandas可识别的datetime类型，否则后续的时间分组会直接报错，执行一行代码即可完成格式校验与转换：
df.index = pd.to_datetime(df.index)

实现逻辑 #

针对时间间隔的分组聚合，Pandas内置的resample（时间重采样）方法是比手动拼接groupby逻辑更稳定、更适配时间序列场景的实现，天然支持自动补全缺失的时间区间、按固定粒度分箱等能力。
如果你的核心需求是按15分钟为一个统计单元，不需要手动拆分时间戳再套groupby，直接通过分箱规则+列级聚合映射即可完成。

完整可运行代码 #

import pandas as pd

# 按列配置差异化聚合规则，适配不同字段的统计需求
agg_config = {
    # 标识类字段：取每个15分钟组内的首个非空值
    'id': 'first',
    'user_id': 'first',
    # 情绪维度数值：取15分钟窗口内的平均值
    'sentiment': 'mean',
    'magnitude': 'mean',
    'angry': 'mean',
    'disgusted': 'mean',
    'fearful': 'mean',
    'happy': 'mean',
    'neutral': 'mean',
    'sad': 'mean',
    'surprised': 'mean',
    # 生理指标：根据业务需求调整聚合逻辑
    'heartRate': 'mean', # 心率取窗口内平均
    'steps': 'sum' # 步数取窗口内累计值
}

# 按15分钟粒度执行聚合
df_15min = df.resample(
    rule='15min', # 指定分箱粒度为15分钟
    label='left', # 用每个时间箱的左边界作为行索引
    closed='left' # 时间箱为左闭右开区间，符合常规统计逻辑
).agg(agg_config)

常见适配说明 #

• 上述代码会自动将零散时间点划入对应15分钟窗口：比如样本中2020-10-04 14:06:00、2020-10-04 14:06:05两个记录会被划入14:00-14:15的窗口，行索引标记为2020-10-04 14:00
• 如果一定要用groupby语法实现，和上述resample逻辑等价的写法为：

df_15min = df.groupby(df.index.floor('15min')).agg(agg_config)

• 如果你的分析需要把时间箱的右边界作为索引（比如14:00-14:15的窗口标记为14:15），只需要把label='right'、closed='right'即可
• 所有列为NaN的空窗口，resample会自动生成对应行，不需要手动补全时间序列缺口，更适合后续跨数据集的对齐分析

内容的提问来源于stack exchange，提问作者LeCoda