如何用Pandas DataFrame按分钟统计带时间戳数据的行数？

刚好做过类似的需求，我来一步步拆解怎么实现你要的效果：

第一步：先把时间戳转成Pandas能识别的格式 #

首先得确保你的时间戳列是datetime类型，不然没法按时间维度分组。先构造示例数据并转换格式：

import pandas as pd

# 你的示例数据
data = {
    'timestamp': ['00:00:01', '00:00:21', '00:02:02', '00:02:10', '00:02:31'],
    'data': ['data1', 'data2', 'data3', 'data4', 'data5']
}
df = pd.DataFrame(data)

# 把字符串转成datetime类型，这里用%H:%M:%S匹配时分秒格式
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%H:%M:%S')

第二步：按分钟统计行数（处理缺失分钟是关键） #

直接用resample方法按分钟（'min'）重采样，统计每组的行数。不过这里要注意：如果某个分钟没有数据，resample默认不会显示它，所以我们需要补全这些缺失的分钟，填充0。

先做基础统计：

# 按分钟分组统计行数
minute_counts = df.resample('min', on='timestamp').size()

这时候得到的结果是：

timestamp
2024-05-20 00:00:00    2
2024-05-20 00:02:00    3
Freq: T, dtype: int64

可以看到00:01分钟的记录直接缺失了，接下来我们要补全这个时间段。

第三步：补全缺失分钟并得到最终列表 #

生成从第一个分钟到最后一个分钟的完整时间序列，然后把统计结果对齐上去，缺失的填0：

# 生成完整的分钟范围：从最早的分钟到最晚的分钟
start_min = df['timestamp'].dt.floor('min').min()
end_min = df['timestamp'].dt.floor('min').max()
full_minutes = pd.date_range(start=start_min, end=end_min, freq='min')

# 重新索引，缺失的位置填充0
filled_counts = minute_counts.reindex(full_minutes, fill_value=0)

# 转成列表就是你要的结果
result = filled_counts.tolist()
print(result)  # 输出: [2, 0, 3]

简化版代码（一步到位） #

如果想简化代码，可以把逻辑合并成链式调用：

import pandas as pd

data = {
    'timestamp': ['00:00:01', '00:00:21', '00:02:02', '00:02:10', '00:02:31'],
    'data': ['data1', 'data2', 'data3', 'data4', 'data5']
}
df = pd.DataFrame(data)
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%H:%M:%S')

result = (
    df.resample('min', on='timestamp')
      .size()
      .reindex(
          pd.date_range(
              df['timestamp'].dt.floor('min').min(),
              df['timestamp'].dt.floor('min').max(),
              freq='min'
          ),
          fill_value=0
      )
      .tolist()
)

print(result)  # [2, 0, 3]

小补充 #

如果你的时间戳包含日期（比如2024-05-20 00:00:01），这个方法完全适用，resample会自动按「日期+分钟」的维度分组统计，补全逻辑也一样。

内容的提问来源于stack exchange，提问作者Federico Caccia