如何按周拆分Pandas DataFrame并保存为独立CSV文件？

没问题，我来帮你搞定这个需求！按照你指定的10月4个固定时间段拆分数据，步骤很清晰，咱们一步步来：

1. 先把时间戳列转换成Pandas可识别的datetime类型 #

你的Time Stamp列是字符串格式，得先转换成datetime类型，这样才能按日期筛选。用pd.to_datetime()方法，注意匹配你数据的时间格式（日/月/年 + 时分秒毫秒）：

import pandas as pd

# 假设你的原始DataFrame名为df
df['Time Stamp'] = pd.to_datetime(df['Time Stamp'], format='%d/%m/%Y %H:%M:%S:%f')

2. 按指定周区间筛选数据并保存为CSV #

你要的不是自然周，是固定的日期区间，这里提供两种实现方式：

方式一：手动逐个处理（逻辑直观，适合新手） #

# 第一周：10月1日-7日
week1 = df[(df['Time Stamp'].dt.date >= pd.to_datetime('2016-10-01').date()) & 
           (df['Time Stamp'].dt.date <= pd.to_datetime('2016-10-07').date())]
week1.to_csv('week1_data.csv', index=False)

# 第二周：10月8日-14日
week2 = df[(df['Time Stamp'].dt.date >= pd.to_datetime('2016-10-08').date()) & 
           (df['Time Stamp'].dt.date <= pd.to_datetime('2016-10-14').date())]
week2.to_csv('week2_data.csv', index=False)

# 第三周：10月15日-21日
week3 = df[(df['Time Stamp'].dt.date >= pd.to_datetime('2016-10-15').date()) & 
           (df['Time Stamp'].dt.date <= pd.to_datetime('2016-10-21').date())]
week3.to_csv('week3_data.csv', index=False)

# 第四周：10月22日-31日
week4 = df[(df['Time Stamp'].dt.date >= pd.to_datetime('2016-10-22').date()) & 
           (df['Time Stamp'].dt.date <= pd.to_datetime('2016-10-31').date())]
week4.to_csv('week4_data.csv', index=False)

方式二：用循环简化代码（更高效，易维护） #

如果以后需要调整区间，循环的方式改起来更方便：

# 定义周数和对应的日期区间（起始日，结束日）
week_intervals = [
    (1, '2016-10-01', '2016-10-07'),
    (2, '2016-10-08', '2016-10-14'),
    (3, '2016-10-15', '2016-10-21'),
    (4, '2016-10-22', '2016-10-31')
]

for week_num, start_date, end_date in week_intervals:
    # 转换为日期格式（忽略时分秒）
    start = pd.to_datetime(start_date).date()
    end = pd.to_datetime(end_date).date()
    # 筛选对应周的数据
    week_data = df[(df['Time Stamp'].dt.date >= start) & (df['Time Stamp'].dt.date <= end)]
    # 导出为CSV，不保留Pandas索引列
    week_data.to_csv(f'week{week_num}_data.csv', index=False)
    print(f"已完成第{week_num}周数据导出：week{week_num}_data.csv")

小提示 #

• index=False是为了避免把Pandas自动生成的索引列导出到CSV里，如果你需要保留索引可以去掉这个参数。
• 如果原始数据的时间格式有变动，记得调整pd.to_datetime()里的format参数，确保转换不出错。
• 如果数据里存在少量不在这四个区间的行（比如9月30日或11月1日），这些行会被自动忽略，要是需要处理这类数据，可以额外加判断逻辑。

内容的提问来源于stack exchange，提问作者User1