如何将2015年15分钟间隔数据转换为小时级汇总数据？

刚好做过类似的时间粒度转换需求，给你整理几种不同工具下的实现方式，按需选用就行：

如果你的数据是用Python处理的，Pandas的重采样功能可以轻松搞定：

import pandas as pd

# 假设你的数据存储在DataFrame中，时间列名为'timestamp'，需要聚合的数值列名为'value'
# 第一步：确保时间列是datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'])
# 将时间列设为索引（可选，但重采样更直观）
df.set_index('timestamp', inplace=True)
# 按小时重采样并求和，每个小时的起始时间会作为新的时间戳
hourly_aggregated = df.resample('H').sum()
# 如果需要把时间索引变回普通列，执行下面这行
hourly_aggregated.reset_index(inplace=True)

小提示：如果原始数据存在缺失的15分钟记录（比如某小时少了一个时间点），sum()会自动跳过NaN值；如果需要把缺失值当作0计算，可以先执行df.fillna(0, inplace=True)。

如果你的15分钟数据存在数据库中，可以通过分组聚合实现。以下是通用SQL示例，不同数据库的时间截断函数略有差异：

SELECT
    DATE_TRUNC('hour', record_time) AS hour_start_time,
    SUM(metric_value) AS hourly_total
FROM
    your_table_name
WHERE
    record_time BETWEEN '2015-01-01 00:00:00' AND '2015-12-31 23:59:59'
GROUP BY
    DATE_TRUNC('hour', record_time)
ORDER BY
    hour_start_time;

数据库适配说明：

• MySQL：用DATE_FORMAT(record_time, '%Y-%m-%d %H:00:00')替代DATE_TRUNC('hour', record_time)
• Oracle：用TRUNC(record_time, 'HH')替代
• SQL Server：用DATEADD(hour, DATEDIFF(hour, 0, record_time), 0)替代

如果不想写代码，用Excel也能快速完成转换：

• 第一步：确认原始时间列是Excel可识别的日期时间格式（如果不是，选中列后在「数据」选项卡选择「分列」转换）
• 第二步：添加辅助列，命名为「小时级时间」，在单元格中输入公式=FLOOR(A2, "0:60")（A2是原始时间所在单元格），下拉填充整列——这个公式会把时间向下取整到最近的小时
• 第三步：插入数据透视表，将「小时级时间」拖到「行」区域，需要聚合的数值列拖到「值」区域，然后把值的汇总方式设置为「求和」
• 第四步：筛选透视表的时间范围，只保留2015年的数据即可

内容的提问来源于stack exchange，提问作者junmouse