如何在Pandas中不考虑年份筛选指定日期前后区间的数据？

错误原因分析 #

你遇到的OutOfBoundsDatetime错误，是因为1400-01-01超出了Pandas datetime64[ns]类型的支持范围——该类型基于纳秒时间戳，仅能表示1677-09-21 00:12:43到2262-04-11 23:47:16之间的日期，早于1677年的日期会触发溢出。

需求实现思路 #

要筛选指定日期（如1月1日）前后Δ天（如±2天）的数据，且覆盖跨年场景（如12月30、31日），核心是忽略年份，仅比较月日的相对时间差，不需要使用早于1677年的日期。

下面提供两种可行的实现方法：

方法一：利用dayofyear处理跨年 #

通过日期在一年中的天数（dayofyear）来判断，年初的前Δ天对应上一年的末尾天数：

import pandas as pd

# 读取数据（保持原有代码）
dfr = pd.read_csv('test.csv', sep=',', index_col=0, parse_dates=True)

# 配置参数：目标日期（1月1日）、前后天数Δ
target_month, target_day = 1, 1
delta = 2

# 计算目标日期的dayofyear（用闰年确保覆盖2月29日）
target_doy = pd.Timestamp(f'2020-{target_month}-{target_day}').dayofyear
# 闰年一年有366天，这里用基准闰年统一处理
max_doy = 366

# 生成需要筛选的dayofyear范围：上一年末尾的Δ天 + 当年开头的Δ+1天（含目标日）
start_range = max_doy - delta + 1
mask = (dfr.index.dayofyear >= start_range) | (dfr.index.dayofyear <= target_doy + delta)

# 获取结果
res = dfr[mask]['qq'].tolist()
print(res)  # 输出: [1,2,3,8,9,10,15,16,17,22,23]

方法二：提取月日构造基准年日期 #

将所有日期的月日提取出来，用同一个基准年（如2020年，闰年）构造新日期，再计算与目标日期的相对天数差：

import pandas as pd

dfr = pd.read_csv('test.csv', sep=',', index_col=0, parse_dates=True)

target_month, target_day = 1, 1
delta = 2

# 用闰年作为基准年，避免2月29日的转换问题
base_year = 2020
target_date = pd.Timestamp(f'{base_year}-{target_month}-{target_day}')

# 为每个原始日期构造基准年的对应日期
dfr['base_date'] = pd.to_datetime(dfr.index.strftime(f'{base_year}-%m-%d'))

# 计算天数差，用模366处理跨年循环
day_diff = (dfr['base_date'] - target_date).dt.days % 366
# 筛选：差≤delta（目标日后Δ天） 或 差≥366-delta（目标日前Δ天）
mask = (day_diff <= delta) | (day_diff >= 366 - delta)

res = dfr[mask]['qq'].tolist()
print(res)  # 输出: [1,2,3,8,9,10,15,16,17,22,23]

内容的提问来源于stack exchange，提问作者diedro