如何用pandas按日期列7天范围分组拆分26.4万行大型DataFrame？

你原来的代码是按单个CreatedDate的值分组，所以拆分的是单日数据，只需要将分组键替换为7天区间的唯一标识即可，完整可运行代码如下：

import pandas as pd

# 第一步：将字符串格式的CreatedDate转为datetime日期类型，方便后续时间计算
options_flow['CreatedDate'] = pd.to_datetime(options_flow['CreatedDate'], format="%m/%d/%Y")

# 第二步：取数据集的最早日期作为计算7天区间的基准
earliest_date = options_flow['CreatedDate'].min()

# 第三步：按7天区间分组，日期与基准的天数差整除7，相同结果属于同一个7天区间
for group_id, group_df in options_flow.groupby((options_flow['CreatedDate'] - earliest_date).dt.days // 7):
    # 取当前分组的起止日期生成文件名，方便识别文件覆盖的时间范围
    start_date = group_df['CreatedDate'].min().strftime('%Y%m%d')
    end_date = group_df['CreatedDate'].max().strftime('%Y%m%d')
    # 导出CSV，index=False避免输出多余的行索引列
    group_df.to_csv(f"7days_{start_date}_to_{end_date}.csv", index=False)

可选调整项 #

• 如果你需要按自然周（周一到周日）拆分，而非从数据集最早日期开始顺推7天，只需要把groupby的条件替换为options_flow['CreatedDate'].dt.isocalendar().week即可，pandas会自动按自然周数分组。
• 如果不需要在文件名里标注起止日期，也可以直接用分组序号命名，比如f"7days_part_{group_id + 1}.csv"。
• 该方案对26万行的数据集处理效率很高，不会有性能问题。

内容的提问来源于stack exchange，提问作者A l w a y s S u n n y