Python中如何根据timestamp的日期拆分生成多个dataframe

• 第一步：转换时间列类型（若datetime列已经是pandas的datetime64类型可直接跳过）

import pandas as pd

df['datetime'] = pd.to_datetime(df['datetime'])

注意：如果数据中存在datetime为空的行，可在分组前先执行df = df.dropna(subset=['datetime'])过滤无效数据。

• 第二步：按日期分组生成映射字典（更灵活的调用方式，直接用日期作为键即可取到对应数据）

# 生成结构为 {日期: 对应日期的DataFrame} 的字典
date_grouped = dict(tuple(df.groupby(df['datetime'].dt.date)))

# 调用示例：取2021-09-28对应的DataFrame
target_date = pd.to_datetime('2021-09-28').date()
df_20210928 = date_grouped[target_date]

该方法无需提前对时间列排序，无论原数据的timestamp是否乱序、是否连续，都会自动把同一日期下所有时分秒的行分到同一组，完全匹配你需要的当天00:00:00.001~23:59:59.999数据范围要求。

• 可选：生成df1、df2...dfn形式的独立变量
  如果需要严格按照你要求的命名规则生成独立变量，可在上述分组操作后新增如下代码：

# 按日期升序排列后生成对应独立变量
sorted_dates = sorted(date_grouped.keys())
for idx, date in enumerate(sorted_dates, start=1):
    globals()[f'df{idx}'] = date_grouped[date]

• 可选：验证拆分结果

for idx, date in enumerate(sorted_dates, start=1):
    temp_df = globals()[f'df{idx}']
    print(f"df{idx} 对应日期: {date}, 数据行数: {len(temp_df)}, 时间范围: {temp_df['datetime'].min()} ~ {temp_df['datetime'].max()}")

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