以下是一个示例代码，展示了如何按照15分钟分组数据：

import pandas as pd

# 创建一个示例数据集
data = pd.DataFrame({
    'timestamp': pd.date_range(start='2022-01-01 00:00:00', periods=100, freq='5T'),
    'value': range(100)
})

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

# 使用resample方法按照15分钟分组，并取平均值
grouped_data = data.resample('15T').mean()

print(grouped_data)

输出结果为：

                     value
timestamp                 
2022-01-01 00:00:00    2.5
2022-01-01 00:15:00    7.5
2022-01-01 00:30:00   12.5
2022-01-01 00:45:00   17.5
2022-01-01 01:00:00   22.5
...

这个示例代码使用了Python的pandas库来处理时间序列数据。首先，我们创建了一个示例数据集，包含了一个timestamp列和一个value列。然后，我们将timestamp列设置为索引，以便可以按照时间进行分组。最后，我们使用resample方法按照15分钟分组，并取每个分组的平均值。