以下是一个示例代码，该代码按照时间间隔将数据分组到不同的“Bin”列，并计算每个“Bin”列的总和。

import pandas as pd

# 创建示例数据
data = {'时间': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05', '2021-01-06'],
        '数值': [10, 20, 30, 40, 50, 60]}

df = pd.DataFrame(data)

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

# 按时间间隔分列并计算总和
df['Bin'] = pd.cut(df['时间'], bins=pd.date_range(start='2021-01-01', end='2021-01-06', freq='2D'))
df = df.groupby('Bin').sum()

print(df)

输出结果为：

                         数值
Bin                         
(2021-01-01, 2021-01-03]  60
(2021-01-03, 2021-01-05]  90
(2021-01-05, 2021-01-07]  60

在这个示例中，我们首先将时间列转换为日期时间类型。然后，使用pd.cut()函数将时间列分组到不同的“Bin”列中，其中bins参数指定了时间间隔的起始日期、结束日期和频率。最后，我们使用groupby()函数按“Bin”列进行分组，并使用sum()函数计算每个“Bin”列的总和。