如何从含dd-mmm-yy格式日期的CSV文件中按季节筛选数据？

核心步骤说明 #

先搞定dd-mmm-yy格式日期的解析，再修正原代码的语法错误，最终实现按季节筛选数据。

1. 读取并解析日期列 #

用pandas读取CSV时，直接指定日期列的解析格式，同时处理两位数年份的世纪推断（避免把53误判为2053）：

import pandas as pd

# 读取CSV并解析date列为datetime类型
data = pd.read_csv('your_dataset.csv', parse_dates=['date'], date_format='%d-%b-%y')

# 确保两位数年份映射到19xx（根据你的数据实际年份范围调整）
data['date'] = data['date'].apply(lambda x: x.replace(year=x.year + 1900) if x.year < 100 else x)

2. 两种筛选方式（二选一即可） #

方式一：转换为yyyymmdd整数后筛选

生成yyyymmdd格式的整数列，再按原计划筛选（必须给每个比较条件单独加括号，否则会因运算符优先级报错）：

# 生成yyyymmdd格式的整数列
data['yyyymmdd'] = data['date'].dt.strftime('%Y%m%d').astype(int)

# 筛选1953年春季数据
dataset_Spring_1953 = data.loc[(data['yyyymmdd'] >= 19530301) & (data['yyyymmdd'] < 19530601)]

# 筛选1953年夏季数据
dataset_Summer_1953 = data.loc[(data['yyyymmdd'] >= 19530601) & (data['yyyymmdd'] < 19530901)]

# 筛选1953年秋季数据
dataset_Autumn_1953 = data.loc[(data['yyyymmdd'] >= 19530901) & (data['yyyymmdd'] < 19531201)]

# 筛选1953年冬季数据（跨年度）
dataset_Winter_1953 = data.loc[(data['yyyymmdd'] >= 19531201) & (data['yyyymmdd'] < 19540301)]

方式二：直接用datetime对象筛选（更推荐）

不用转换整数，直接用datetime对象做范围比较，逻辑更直观且不易出错：

# 定义各季节的起止日期
spring_start = pd.to_datetime('1953-03-01')
spring_end = pd.to_datetime('1953-06-01')
summer_start = pd.to_datetime('1953-06-01')
summer_end = pd.to_datetime('1953-09-01')
autumn_start = pd.to_datetime('1953-09-01')
autumn_end = pd.to_datetime('1953-12-01')
winter_start = pd.to_datetime('1953-12-01')
winter_end = pd.to_datetime('1954-03-01')

# 按季节筛选数据
dataset_Spring_1953 = data.loc[(data['date'] >= spring_start) & (data['date'] < spring_end)]
dataset_Summer_1953 = data.loc[(data['date'] >= summer_start) & (data['date'] < summer_end)]
dataset_Autumn_1953 = data.loc[(data['date'] >= autumn_start) & (data['date'] < autumn_end)]
dataset_Winter_1953 = data.loc[(data['date'] >= winter_start) & (data['date'] < winter_end)]

关键注意事项 #

• 运算符优先级：原代码缺少括号，&的优先级高于>=/<，必须给每个比较条件单独包裹括号，否则会触发逻辑错误或语法报错。
• 两位数年份处理：pandas默认对%y格式的解析规则可能因版本/环境有差异，手动指定世纪（如19xx）可避免年份推断错误。

内容的提问来源于stack exchange，提问作者Nenagh2023