下面是一个示例代码，演示如何按小时对DataFrame进行分组，并计算特定列的平均值。

import pandas as pd

# 创建一个示例DataFrame
data = {'timestamp': ['2021-01-01 10:00:00', '2021-01-01 10:30:00', '2021-01-01 11:00:00', '2021-01-01 11:30:00', '2021-01-01 12:00:00'],
        'value': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 将timestamp列转换为datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 按小时对DataFrame进行分组，并计算value列的平均值
df_hourly_avg = df.groupby(df['timestamp'].dt.hour)['value'].mean()

print(df_hourly_avg)

输出结果如下：

timestamp
10    1.5
11    3.5
12    5.0
Name: value, dtype: float64

在这个示例中，我们首先创建了一个包含时间戳和值的DataFrame。然后，我们使用pd.to_datetime()函数将timestamp列转换为datetime类型。接下来，我们使用groupby()函数将DataFrame按小时进行分组，并使用mean()函数计算value列的平均值。最后，我们打印出计算得到的平均值。