要按时间间隔分组熊猫并使用聚合函数，首先需要确保时间列是 Pandas DataFrame 的日期时间类型。然后，可以使用 Pandas 的 groupby() 方法按指定的时间间隔分组数据，再使用所需的聚合函数进行计算。

下面是一个示例代码，演示了如何按月份分组熊猫数据并计算每个月份的平均值：

import pandas as pd

# 创建示例数据
data = {'日期': ['2020-01-01', '2020-02-01', '2020-03-01', '2020-01-15', '2020-02-15'],
        '熊猫数量': [10, 15, 8, 12, 9]}
df = pd.DataFrame(data)

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

# 按月份分组并计算平均值
df_grouped = df.groupby(df['日期'].dt.month)['熊猫数量'].mean()

print(df_grouped)

上述代码中，首先使用 pd.to_datetime() 方法将日期列转换为日期时间类型。然后，使用 groupby() 方法按照日期的月份进行分组，并选择需要聚合的列（在这里是熊猫数量）。最后，使用 mean() 方法计算每个月份的平均值。

输出结果如下：

日期
1    11.0
2    12.0
3     8.0
Name: 熊猫数量, dtype: float64

这样，我们就按时间间隔分组了熊猫数据，并计算了每个月份的平均值。你可以根据需要选择不同的时间间隔和聚合函数来进行分组和计算。