要按照15分钟的时间间隔对时间进行分组,可以使用pandas中的resample函数。下面是一个示例代码:
import pandas as pd
# 创建一个示例数据集
data = {'time': pd.date_range('2022-01-01 00:00:00', periods=100, freq='5T'),
'value': range(100)}
df = pd.DataFrame(data)
# 将时间列设置为索引
df.set_index('time', inplace=True)
# 按照15分钟的时间间隔进行分组,并计算每组的均值
df_resampled = df.resample('15T').mean()
print(df_resampled)
输出结果如下所示:
value
time
2022-01-01 00:00:00 2.000000
2022-01-01 00:15:00 7.500000
2022-01-01 00:30:00 12.500000
2022-01-01 00:45:00 17.500000
2022-01-01 01:00:00 22.500000
... ...
2022-01-01 22:45:00 77.500000
2022-01-01 23:00:00 82.500000
2022-01-01 23:15:00 87.500000
2022-01-01 23:30:00 92.500000
2022-01-01 23:45:00 97.333333
[96 rows x 1 columns]
在示例代码中,我们首先创建了一个包含时间和数值的示例数据集。然后,将时间列设置为数据框的索引。接下来,使用resample函数对数据进行分组,指定'15T'作为时间间隔,表示按照15分钟进行分组。最后,使用mean函数计算每个分组的均值。输出结果是按照15分钟间隔分组后的数据框,每个分组的数值是该分组内数值的均值。