如何按时间（HH:MM:SS）筛选数据并生成对应独立DataFrame？

原始数据集 #

先基于你的数据创建初始DataFrame：

import pandas as pd

data = {
    'Time': ['09:15:00', '10:15:00', '09:15:00', '10:15:00', '09:15:00', '10:15:00'],
    'Value': [25, 45, 32, 36, 56, 78]
}
df = pd.DataFrame(data)

初始DataFrame内容：

方法一：直接筛选生成独立DataFrame #

如果时间类别较少，直接通过布尔筛选快速生成目标DataFrame：

# 生成09:15:00对应的df0915
df0915 = df[df['Time'] == '09:15:00'].reset_index(drop=True)

# 生成10:15:00对应的df1015
df1015 = df[df['Time'] == '10:15:00'].reset_index(drop=True)

生成的df0915内容：

生成的df1015内容：

方法二：分组遍历自动生成变量 #

如果后续时间类别较多，手动筛选冗余，可通过分组遍历自动生成对应变量：

# 按Time列分组，遍历每个分组并生成对应变量
for time_val, group in df.groupby('Time'):
    # 提取时间前5位并去掉冒号，作为变量名前缀
    var_prefix = time_val[:5].replace(':', '')
    var_name = f"df{var_prefix}"
    # 将分组数据赋值给变量，重置索引避免保留原索引
    globals()[var_name] = group.reset_index(drop=True)

执行后会自动生成df0915和df1015，内容与方法一完全一致。

内容的提问来源于stack exchange，提问作者Ravindra