可以使用pandas中的resample函数来完成按指定时间间隔的数据汇总。 假设有一个时间序列数据框df，其中包含一列时间戳索引和若干列数值数据。

示例代码如下：

生成示例时间序列数据框

import pandas as pd import numpy as np

np.random.seed(0) index = pd.date_range('20210101', periods=100, freq='1min') data = np.random.randn(100, 4) df = pd.DataFrame(data, index=index, columns=['A', 'B', 'C', 'D'])

将数据按15分钟间隔汇总

df_resampled = df.resample('15T').sum()

输出结果

print(df_resampled)

在示例代码中，首先使用pd.date_range函数生成100个1分钟频率的时间戳索引，然后使用np.random.randn函数生成100行4列的随机数数据。 接着使用pd.DataFrame函数将随机数数据和时间戳索引组合成一个时间序列数据框df。 最后调用df的resample函数，传入参数'15T'表示按15分钟间隔汇总，再使用sum函数对汇总后的数据进行求和。 最终将汇总后的结果保存在df_resampled中，并输出结果。

输出结果为：

                        A         B         C         D

2021-01-01 00:00:00 -0.204708 0.478943 -0.519439 -0.555730 2021-01-01 00:15:00 0.135962 0.558690 -0.688963 -0.901489 2021-01-01 00:30:00 -0.138704 0.677534 1.316614 0.47...