如何按固定天数块拆分含datetime类型日期列的Pandas DataFrame

既然你的Datetime列已经是datetime对象，那我们可以利用日期的时间差生成分组键，精准按连续N天拆分数据，替代原来按行数拆分的逻辑。下面是具体实现步骤和代码：

步骤1：优化数据结构（可选但推荐） #

如果Datetime列还不是索引，建议先将它设置为索引，后续日期计算会更便捷：

data = data.set_index('Datetime')

步骤2：生成连续N天的分组标识 #

我们先定位数据中的最早日期，再计算每一行日期与最早日期的天数差，最后将差值除以你指定的天数num（比如10）并取整，得到的结果就是每行所属的分组ID：

import pandas as pd

num = 10  # 每组包含的天数
# 获取数据中的最早日期
min_date = data.index.min()
# 计算每个日期对应的分组ID
data['group_id'] = (data.index - min_date).days // num

步骤3：按分组ID拆分DataFrame #

用groupby按group_id分组，再把每个组的DataFrame提取到列表中：

# 提取所有分组的DataFrame到列表
results = [group for _, group in data.groupby('group_id')]
# 如果不需要保留group_id列，可以在提取后删除
results = [group.drop('group_id', axis=1) for _, group in data.groupby('group_id')]

补充说明 #

• 拆分后，第一个分组包含从最早日期开始的前10天所有数据，第二个分组是接下来的10天，以此类推；
• 如果最后一组的天数不足10天，它会被保留为列表的最后一个元素，你可以根据需求决定是否丢弃；
• 如果Datetime列不是索引，只需把代码中的data.index替换为data['Datetime']即可适配。

内容的提问来源于stack exchange，提问作者Shulas