要按照不同的时间间隔获取聚合结果，可以使用Python中的pandas库来处理时间序列数据。下面是一个示例代码，演示如何按照不同的时间间隔获取聚合结果：

import pandas as pd

# 创建一个示例数据集
data = {
    'date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05'],
    'value': [10, 20, 30, 40, 50]
}

df = pd.DataFrame(data)

# 将date列转换为日期时间类型
df['date'] = pd.to_datetime(df['date'])

# 将date列设置为索引
df.set_index('date', inplace=True)

# 按照不同的时间间隔进行聚合
# 按天聚合
df_daily = df.resample('D').sum()
print("按天聚合结果：")
print(df_daily)

# 按周聚合
df_weekly = df.resample('W').sum()
print("按周聚合结果：")
print(df_weekly)

# 按月聚合
df_monthly = df.resample('M').sum()
print("按月聚合结果：")
print(df_monthly)

输出结果如下：

按天聚合结果：
            value
date             
2021-01-01     10
2021-01-02     20
2021-01-03     30
2021-01-04     40
2021-01-05     50
按周聚合结果：
            value
date             
2021-01-03     60
2021-01-10     90
按月聚合结果：
            value
date             
2021-01-31    150

在示例代码中，首先创建了一个包含日期和数值的示例数据集。然后，使用pd.to_datetime()函数将日期列转换为日期时间类型，并使用set_index()方法将日期列设置为索引。接下来，使用resample()方法按照不同的时间间隔进行聚合，参数中的'D'表示按天聚合，'W'表示按周聚合，'M'表示按月聚合。最后，打印出聚合结果。