如何访问pandas groupby分组获取单个分组的DataFrame对象

你原有遍历代码的核心问题是：迭代DataFrameGroupBy对象时，每一轮返回的是**(分组键, 分组对应子DataFrame)** 的二元元组，而非单个分组对象，也不存在toDataFrame()这类转换方法。
你原本的按天分组逻辑完全正确，不需要修改，只需要调整遍历的接收逻辑即可，不需要做聚合操作也能正常拆分出每个天的独立子表。

可直接运行的代码 #

# 原有分组逻辑保持不变
grouping = df.groupby(pd.Grouper(level="timestamp", freq="D"))

# 修正后的遍历逻辑
for date_key, daily_df in grouping:
    # daily_df 就是对应日期下、保留原10分钟频率时间戳索引的独立DataFrame
    # 直接传入你的处理函数即可
    some_processing(daily_df)

额外实用技巧 #

• 如果需要直接获取指定某一天的分组数据，不需要遍历全部分组，调用get_group()方法即可：

  # 例如获取2024年6月1日的子DataFrame
  target_df = grouping.get_group(pd.Timestamp("2024-06-01"))
  

• groupby本身是惰性计算的，执行分组语句时不会立刻把所有子表加载到内存，只有遍历或者调用取数组方法时才会生成对应子DataFrame，处理你提到的数周跨度10分钟粒度数据时内存占用很低。
• 如果你需要把所有分组的子DataFrame一次性存成列表，可以直接写all_daily_groups = [g for _, g in grouping]，列表里的每个元素就是按天拆分的独立DataFrame。

内容的提问来源于stack exchange，提问作者Ulrich Schuster