使用熊猫的python数据帧

将该列转换为 datetime 会使工作更容易,例如:

df['date'] = pd.to_datetime(df['date'], format='%d/%B/%Y:%H:%m:%S')

您可以简单地迭代 groupby() 例如:

In []:
for k, frame in df.groupby(df['date'].dt.second):
     #frame.to_csv('file{}.csv'.format(k))
     print('{}\n{}\n'.format(k, frame))

Out[]: 
15
                 date  value
0 2015-11-25 23:00:15      0
1 2015-11-25 23:00:15      0

16
                 date  value
2 2015-11-25 23:00:16      0
3 2015-11-25 23:00:16      0

可以将日期时间设置为数据帧的索引,然后使用 loc 和 to_csv 熊猫的功能。显然,正如其他答案所指出的,您应该在读取数据帧时将日期转换为日期时间。

例子:

df = df.set_index(['date'])
df.loc['25/05/2018 23:11:15':'25/05/2018 23:11:15'].to_csv('df_data.csv')

试试这个,

## Convert a new column with seconds value    
df['seconds'] = df.apply(lambda row: row[0].split(":")[3].split(" ")[0], axis=1)

for sec in df['seconds'].unique():  
    ## filter by seconds
    print("Resutl ",df[df['seconds'] == sec])