如何用Pandas提取CSV中五月（05）数据行？设置索引是否更简便？

核心结论 #

把年月列设置为Datetime索引确实会让操作更灵活简便，尤其是后续还要做时间相关的分析时。如果只是单次筛选，两种方法都可行，但索引方案的扩展性更强。

方法一：不设置索引，直接字符串匹配 #

假设你的CSV里存储年月的列名为year_month，直接用字符串结尾匹配筛选：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_data.csv')

# 筛选所有以"-05"结尾的行（即五月数据）
may_data = df[df['year_month'].str.endswith('-05')]

方法二：设置Datetime索引，按月份筛选 #

推荐把年月列转为datetime类型再设为索引，这样能利用Pandas的时间序列功能：

import pandas as pd

df = pd.read_csv('your_data.csv')

# 将年月列转为datetime类型（指定格式确保解析正确）
df['year_month'] = pd.to_datetime(df['year_month'], format='%Y-%m')
# 设置为索引
df = df.set_index('year_month')

# 直接按月份筛选，逻辑更直观
may_data = df[df.index.month == 5]

两种方案对比 #

• 单次筛选：两种方法代码量相近，字符串匹配更直接。
• 后续分析：Datetime索引支持更多操作，比如按年份分组统计五月数据、时间范围切片（如提取1990-2000年的五月数据）、按季度汇总等，灵活性更强。

内容的提问来源于stack exchange，提问作者MVB