以下是一个示例代码，演示如何按日期范围拆分数据集：

import pandas as pd

# 创建示例数据集
data = {'日期': pd.date_range(start='2022-01-01', end='2022-01-31'),
        '数值': range(1, 32)}
df = pd.DataFrame(data)

# 按日期范围拆分数据集
start_date = pd.to_datetime('2022-01-01')
end_date = pd.to_datetime('2022-01-31')

date_ranges = pd.date_range(start=start_date, end=end_date, freq='7D')

for i in range(len(date_ranges) - 1):
    start = date_ranges[i]
    end = date_ranges[i+1]
    subset = df[(df['日期'] >= start) & (df['日期'] < end)]
    subset.to_csv(f'data_subset_{start.date()}_{end.date()}.csv', index=False)

在此示例中，首先使用pandas库创建了一个示例数据集df，其中包含日期和数值两列。然后，指定了要拆分的日期范围的起始日期start_date和结束日期end_date。

接下来，使用pd.date_range函数生成按7天间隔的日期范围。然后，使用一个循环来遍历这些日期范围，并根据每个范围从原始数据集中筛选出子集。最后，将每个子集保存为一个独立的CSV文件，文件名包含了该子集的日期范围。

这样，原始数据集就按日期范围成功拆分成了多个子集，并保存为单独的CSV文件。