我有一个数据集，每小时有不同火车站的日期输入/输出。其中一个问题是火车站的一些运营时间导致时间增量的不规则间隔（即一些火车在下午5：30关闭，因此一些行将具有05：30：00的奇数时间戳，而所有其他行在时间戳的分钟部分没有任何值）。
我想将数据标准化为每小时的间隔，并想折叠这些不规则的30分钟时间戳中的一些（因此，时间戳05：30：00的车站的任何进入/退出都应与时间戳05：00：00的进入/退出相加）。
有没有一种方法可以使用groupby/aggregate函数来执行此操作？
下面提供的是一个示例 Dataframe ，沿着我希望实现的最终结果：

df = pd.DataFrame(
    {'Date Time':pd.to_datetime(['2023-01-01 00:00:00', '2023-01-01 00:00:00', '2023-01-01 00:00:00', '2023-01-01 00:30:00', 
                                                '2023-01-01 00:30:00', '2023-01-01 00:30:00',  '2023-01-01 01:00:00', 
                                                '2023-01-01 01:00:00', '2023-01-01 01:00:00']),
     'Station':['Station A', 'Station B', 'Station C', 'Station A', 'Station B', 'Station C','Station A', 'Station B', 'Station C'],
     'Entries':[1, 2, 3, 1, 2, 3, 1, 2, 3],
     'Exits':[1, 2, 3, 1, 2, 3, 1, 2, 3]}
)

输出：
| 日期时间|车站|参赛作品|出口|
| --------------|--------------|--------------|--------------|
| 2023年1月1日00时00分|A站|1|1|
| 2023年1月1日00时00分|B站|第二章|第二章|
| 2023年1月1日00时00分|C站|三|三|
| 2019 -01- 22 00：00：00|A站|1|1|
| 2019 -01- 22 00：00：00|B站|第二章|第二章|
| 2019 -01- 22 00：00：00|C站|三|三|
| 2023-01-01 01：00：00|A站|1|1|
| 2023-01-01 01：00：00|B站|第二章|第二章|
| 2023-01-01 01：00：00|C站|三|三|
预期输出：
| 日期时间|车站|参赛作品|出口|
| --------------|--------------|--------------|--------------|
| 2023年1月1日00时00分|A站|第二章|第二章|
| 2023年1月1日00时00分|B站|四|四|
| 2023年1月1日00时00分|C站|六|六|
| 2023-01-01 01：00：00|A站|1|1|
| 2023-01-01 01：00：00|B站|第二章|第二章|
| 2023-01-01 01：00：00|C站|三|三|