如何将DataFrame的10分钟时间间隔改为30分钟并求和聚合

嘿，这个需求用Pandas处理超简单的！核心思路就是时间重采样（resample），把10分钟间隔的数据聚合到30分钟区间里，同时对数值求和。我给你一步步拆解：

首先得把你的datetime列转换成Pandas的datetime格式——要是它现在是字符串类型，时间相关的操作根本没法正常运行：

import pandas as pd

# 假设你的DataFrame名字是df
df['datetime'] = pd.to_datetime(df['datetime'])

Pandas的resample()方法就是专门为时间序列重采样设计的。这里指定'30T'代表30分钟（T是分钟的缩写，也可以写成'30min'），然后调用sum()就能自动把每个30分钟区间内的value加总：

# 方法1：先把datetime设为索引，再重采样
df_resampled = df.set_index('datetime').resample('30T').sum().reset_index()

# 方法2：不用改索引，直接用on参数指定datetime列
df_resampled = df.resample('30T', on='datetime').sum().reset_index()

拿你给出的示例数据（我修正了时间间隔的笔误，改成合理的10分钟增量）：

原DataFrame：
datetime value
1/1/2018 00:00:00 1
1/1/2018 00:10:00 10
1/1/2018 00:20:00 3
1/1/2018 00:30:00 6
1/1/2018 00:40:00 2
1/1/2018 00:50:00 5

运行代码后得到的结果会是：

其中00:00:00对应的是00:00-00:30区间的总和（1+10+3），00:30:00对应的是00:30-01:00区间的总和（6+2+5）。

• 要是你想让时间区间从非整点开始（比如从00:10对齐），可以加loffset='10min'参数调整
• 如果原数据有缺失的10分钟时间点，resample会自动补上空区间，value默认是0；不想保留空区间的话，加个dropna=True就行

内容的提问来源于stack exchange，提问作者tsbeginner