### 使用Pandas处理Excel文件并按时间窗口分割 为了实现按照指定的时间窗口（每三年滑动一次）来切割Excel中的数据，并将这些片段保存到新的Excel文件中，下面提供了一种解决方案。此方案假设输入的Excel表格内含有日期列，其格式为`1970-01-01`。 #### 导入必要的库 首先需要安装并加载pandas和其他辅助模块： ```python import pandas as pd from datetime import timedelta, datetime ``` #### 加载原始数据 读取包含特定日期格式的Excel文档： ```python df = pd.read_excel('input.xlsx', parse_dates=['Date']) # 假设日期列为'Date' ``` #### 定义函数用于创建时间区间列表 定义一个函数用来生成一系列不重叠但连续移动的时间间隔，每个区间的长度为3年： ```python def generate_time_windows(start_date, end_date): windows = [] current_start = start_date while current_start < end_date: window_end = min(current_start + timedelta(days=3*365), end_date) windows.append((current_start, window_end)) # Move to next year's same day or last date of the dataset if it is not available. try: current_start = (datetime(current_start.year + 1, current_start.month, current_start.day)).date() except ValueError: # Handle leap years where February has no 29th on non-leap years after moving forward one year. current_start = (datetime(current_start.year + 1, current_start.month, current_start.day - 1)).date() return windows ``` #### 应用时间窗过滤器并对结果进行存储 遍历上述产生的所有时间窗口，筛选符合条件的数据行，并将其写入独立的新Excel文件中： ```python time_windows = generate_time_windows(df['Date'].min(), df['Date'].max()) for idx, (start, end) in enumerate(time_windows): mask = (df['Date'] >= start) & (df['Date'] <= end) subset_df = df.loc[mask].copy() # 创建副本以防修改原DataFrame对象 output_filename = f'output_{str(idx+1)}.xlsx' with pd.ExcelWriter(output_filename) as writer: subset_df.to_excel(writer, index=False) print(f"Data successfully split into {len(time_windows)} files.") ``` 这段代码实现了对给定Excel表内的记录依据设定好的三年期滚动窗口执行划分操作，并把每一个分区的结果存放到单独的Excel工作簿里[^1]。