如何按日期及固定时段拆分带DateTimeIndex的大Python DataFrame

1. 先筛选出所有符合时段要求的数据 #

Pandas的between_time()方法专门用来处理DateTimeIndex的时间范围筛选，一步就能把所有日期的9:45-10:30数据挑出来：

# 假设你的大DataFrame名为df，索引已为DateTimeIndex
filtered_df = df.between_time(start_time='09:45', end_time='10:30')

2. 按日期拆分并命名小DataFrame #

用groupby()按索引的日期部分分组，然后遍历每个分组，给每个小DataFrame加上指定格式的名称，并存入字典方便后续调用：

# 创建一个字典来存储拆分后的小DataFrame
daily_dataframes = {}

# 按索引的日期分组（index.date会提取出YYYY-MM-DD的日期对象）
for date_obj, daily_group in filtered_df.groupby(filtered_df.index.date):
    # 把日期对象格式化为字符串，比如'2022-09-15'
    date_str = date_obj.strftime('%Y-%m-%d')
    # 生成指定格式的名称
    df_key = f"XXX-{date_str}"
    # 将当前日期的分组存入字典
    daily_dataframes[df_key] = daily_group

3. 调用小DataFrame的方式 #

之后你可以通过字典的键直接获取对应日期的小DataFrame，比如：

# 获取2022年9月15日的小DataFrame
sep15_df = daily_dataframes['XXX-2022-09-15']

补充说明 #

• 如果某天没有9:45-10:30的数据（比如周末、节假日无记录），groupby()会自动跳过该日期，不会生成空的DataFrame。
• 若你的索引还不是DateTimeIndex，先执行这一步转换：

df.index = pd.to_datetime(df.index)

内容的提问来源于stack exchange，提问作者GAO