Python中使用F字符串进行日期时间比较：DataFrame按日期过滤返回空结果的解决方法

你遇到的问题根源在于使用F字符串拼接日期时没有正确处理格式，导致query方法无法识别日期值。当你写f'Date == {date.date()}'时，生成的查询字符串是类似Date == 2021-10-11的格式——pandas会把2021-10-11解析成减法运算（2021减10减11），而不是日期值，自然匹配不到任何数据。

下面给你几种可行的解决方案，按推荐程度排序：

方法1：使用groupby直接按日期分组（最简洁高效） #

如果你的需求是对每个唯一日期对应的切片做处理，groupby是最优雅的方式，无需手动去重循环：

import pandas as pd

Y = pd.DataFrame([("2021-10-11","john"),("2021-10-12","wick")],columns = ['Date','Name'])
Y['Date'] = pd.to_datetime(Y['Date'])

# 按Date列分组，直接遍历每个分组
for date, group_df in Y.groupby('Date'):
    print(f"处理日期：{date.date()}")
    print(group_df)
    # 这里可以添加你的后续处理逻辑，比如对group_df做计算、保存等

方法2：修正query的写法（保留query使用习惯） #

有两种方式可以让query正确识别日期：

方式A：用@引用外部变量 #

直接传入datetime类型的date变量，用@告诉query这是外部变量：

for date in Y['Date'].unique():
    filtered_df = Y.query('Date == @date')
    print(filtered_df)

方式B：给日期字符串加引号 #

把date.date()转换成带引号的字符串，让query识别为日期字面量：

for date in Y['Date'].unique():
    filtered_df = Y.query(f'Date == "{date.date()}"')
    print(filtered_df)

方法3：使用布尔索引（最直观易读） #

放弃query，直接用布尔索引过滤，这种写法不容易出错，新手友好：

for date in Y['Date'].unique():
    filtered_df = Y[Y['Date'] == date]
    print(filtered_df)

另外提醒一下：尽量用Y['Date'].unique()代替set(Y['Date'])，因为unique()会保留原DataFrame中的日期顺序，而set是无序的。

内容的提问来源于stack exchange，提问作者dineshdileep