请求协助：基于分钟级数据集计算15分钟均值并生成指定输出结构

我来帮你搞定这个15分钟均值的计算需求，用Python的Pandas库就能高效完成这个任务——50多万行的数据处理Pandas完全hold住。下面是具体的实现步骤和代码：

1. 准备工作：导入库并读取数据 #

首先确保你已经安装了Pandas，然后导入库并读取你的数据集（假设是CSV格式，如果是Excel等其他格式，换用pd.read_excel即可）：

import pandas as pd

# 读取数据集，假设列名和你描述的一致：Month, Day, Hour, Minute, Value1, Value2, Value3
df = pd.read_csv('your_dataset.csv')

2. 构建完整时间戳 #

我们需要把分散的Month、Day、Hour、Minute字段合并成一个可用于分组的时间戳列。因为你没指定年份，这里默认用某一年（比如2023），这不会影响15分钟分组的逻辑：

# 添加年份列（仅用于构造datetime，不影响最终分组结果）
df['Year'] = 2023
# 合并字段生成datetime列
df['datetime'] = pd.to_datetime(df[['Year', 'Month', 'Day', 'Hour', 'Minute']])

3. 按15分钟分组计算均值 #

用Pandas的resample方法按15分钟间隔分组，同时保留月份信息，计算三个Value字段的均值：

# 按15分钟区间分组，聚合需要的字段
grouped = df.resample('15T', on='datetime').agg(
    Month=('Month', 'first'),  # 同一15分钟区间内月份必然一致，取第一个值即可
    MeanValues1=('Value1', 'mean'),
    MeanValues2=('Value2', 'mean'),
    MeanValues3=('Value3', 'mean')
).reset_index()

4. 整理输出格式 #

现在需要生成Begin和End列（时分格式），并调整列的顺序，匹配你要求的输出结构：

# 生成Begin（区间起始时分）和End（区间结束时分）
grouped['Begin'] = grouped['datetime'].dt.strftime('%H:%M')
grouped['End'] = (grouped['datetime'] + pd.Timedelta(minutes=15)).dt.strftime('%H:%M')

# 调整列顺序，保留需要的字段
result = grouped[['Month', 'Begin', 'End', 'MeanValues1', 'MeanValues2', 'MeanValues3']]

# 将结果保存为CSV（按需选择是否保存）
result.to_csv('15min_mean_result.csv', index=False)

验证结果行数 #

运行完成后，你可以用len(result)检查行数，应该正好是35040行（365天×24小时×4个15分钟区间=35040），和你要求的一致。

额外优化提示 #

• 如果你的数据集是跨年的，只需去掉手动添加的Year列，确保原始数据包含Year字段，构造datetime时加入该字段即可。
• 如果需要像示例那样保留两位小数，可以在聚合时添加round(2)，比如：MeanValues1=('Value1', lambda x: x.mean().round(2))。

内容的提问来源于stack exchange，提问作者JohnDong