如何在Pandas中筛选每年1月1日至2月9日的销售数据

嘿，这个需求在Pandas里实现起来很直观，我给你拆解成几个简单步骤，还有几种不同的实现方式供你选择：

第一步：确保日期字段是datetime类型 #

首先得保证你的Date列是Pandas能识别的datetime格式，不然没法提取月日信息。如果原始数据是字符串格式，先转换：

import pandas as pd

# 假设你的数据存储在DataFrame df中
df['Date'] = pd.to_datetime(df['Date'])
# 如果日期格式不是默认的（比如是'YYYY/MM/DD'），可以指定format参数
# df['Date'] = pd.to_datetime(df['Date'], format='%Y/%m/%d')

第二步：筛选目标日期范围 #

这里有三种常用的实现方式，你可以根据自己的习惯选：

方式一：拆分月和日进行逻辑判断 #

直接通过dt.month和dt.day提取日期的月、日部分，组合筛选条件：

filtered_df = df[
    # 匹配1月的所有日期
    (df['Date'].dt.month == 1) |
    # 匹配2月1日至9日的日期
    ((df['Date'].dt.month == 2) & (df['Date'].dt.day <= 9))
]

逻辑很清晰：要么是1月的任意一天，要么是2月中不超过9号的日子。

方式二：转换为月日字符串进行范围筛选 #

把日期转换成MM-DD格式的字符串，利用字符串的字典序来筛选范围：

# 新增临时列存储月日信息
df['month_day'] = df['Date'].dt.strftime('%m-%d')
# 筛选'01-01'到'02-09'之间的数据
filtered_df = df[(df['month_day'] >= '01-01') & (df['month_day'] <= '02-09')]
# 用完临时列可以删掉
filtered_df = filtered_df.drop('month_day', axis=1)

这种写法不用拆分月和日，代码更简洁，而且因为是两位的月日，字符串比较的结果和日期顺序完全一致。

方式三：用query方法简化代码 #

Pandas的query方法可以让你用类似SQL的语法筛选数据，可读性很强：

filtered_df = df.query(
    "(Date.dt.month == 1) or (Date.dt.month == 2 and Date.dt.day <= 9)"
)

这种写法最接近自然语言，看起来一目了然。

小提示 #

• 如果你的Date列已经是datetime类型，直接跳过第一步就行；
• 不用担心闰年的问题，2月9日在平年和闰年都存在，不会有筛选异常；
• 筛选完后可以用filtered_df.head()或者filtered_df['Date'].unique()检查一下结果是否符合预期。

内容的提问来源于stack exchange，提问作者Pattu