如何按自定义时间间隔（如3秒）拆分Pandas DataFrame？

解决方案代码 #

import pandas as pd

def split_dataframe_by_time(df, time_col, interval=3):
    # 检查时间列是否存在
    if time_col not in df.columns:
        raise ValueError(f"DataFrame中不存在列: {time_col}")
    
    # 获取时间列的最小值，作为区间计算基准
    min_time = df[time_col].min()
    # 生成每个数据点所属的时间区间分组键
    df['time_group'] = (df[time_col] - min_time) // interval
    
    # 按分组键拆分DataFrame，返回DataFrame列表
    chunks = [group for _, group in df.groupby('time_group')]
    # 移除临时添加的分组列
    chunks = [chunk.drop(columns='time_group') for chunk in chunks]
    
    return chunks

使用示例 #

假设你的DataFrame结构如下：

# 构造示例数据
data = {
    'id': [1,1,1,2,2,2],
    'time': [300, 301, 303, 304, 306, 307]
}
df = pd.DataFrame(data)

# 按3秒间隔拆分
chunks = split_dataframe_by_time(df, time_col='time', interval=3)

# 查看结果
for idx, chunk in enumerate(chunks):
    print(f"第{idx+1}个DataFrame:")
    print(chunk)
    print("---")

关键逻辑说明 #

• 分组键计算：通过(time - min_time) // interval，把时间值映射到对应的区间分组。比如min_time是300、interval=3时，300-302会被分到组0，303-305分到组1，以此类推（左闭右开区间，303属于组1）。如果需要调整区间闭合方式，可以修改计算逻辑，比如(df[time_col] - min_time + 1) // interval。
• 适配时间特性：因为时间是递增或相同的，分组键会按顺序生成，拆分后的DataFrame也会保持原数据的时间顺序。
• 多id兼容：分组逻辑只基于时间列，不受id列影响，不同id的同区间数据会被分到同一个DataFrame里。
• 临时列清理：拆分后移除临时添加的time_group列，保证返回的DataFrame结构和原数据一致。

可选调整 #

如果需要让区间从指定起始时间（比如300）开始，而非数据中的最小时间，可把min_time替换成固定值：

# 固定起始时间为300
start_time = 300
df['time_group'] = (df[time_col] - start_time) // interval

内容的提问来源于stack exchange，提问作者GoGo