如何将一个较大的时间增量的pandas记录拆分成多个较小的记录？

import pandas as pd

# 加载数据到DataFrame
df = pd.read_csv('data.csv')

# 将日期列转换为日期时间类型
df['日期'] = pd.to_datetime(df['日期'])

# 按照日期进行排序
df = df.sort_values('日期')

# 计算时间增量
df['时间增量'] = df['日期'].diff()

# 设置时间增量阈值（例如，1天）
threshold = pd.Timedelta(days=1)

# 确定需要拆分的记录
df['需要拆分'] = df['时间增量'] > threshold

# 创建一个空的列表来存储拆分后的DataFrame
split_dfs = []

# 迭代处理每个需要拆分的记录
for index, row in df.iterrows():
    if row['需要拆分']:
        # 拆分记录
        split_df = df.loc[index-1:index]
        split_dfs.append(split_df)
    else:
        # 不需要拆分的记录直接添加到列表中
        split_dfs.append(pd.DataFrame([row]))

# 合并所有拆分后的DataFrame
result_df = pd.concat(split_dfs)

# 保存拆分后的DataFrame到文件
result_df.to_csv('split_data.csv', index=False)