如何用Python Pandas df.loc匹配部分可变的时间值

嗨，这个问题我之前也碰到过！你遇到的Lengths must match错误是因为你把单元素列表和整个Series做比较，Pandas无法对齐两者的长度，所以抛出了报错。要实现匹配指定日期的所有时间行，这里有几种实用的方法：

方法1：字符串前缀匹配（适合Time列为字符串格式） #

因为你的Time列是日期+时间的字符串，指定日期是字符串的前缀部分，可以用str.startswith()来筛选：

filtered_df = df.loc[df['Time'].str.startswith('1-1-2019')]

这个方法会检查每一行的Time字符串是否以目标日期开头，精准筛选出当天的所有记录。

方法2：转换为datetime类型（推荐，更灵活） #

把Time列转换成Pandas的datetime类型后，时间相关的操作会更可靠和灵活，步骤如下：

1. 首先转换列类型：

df['Time'] = pd.to_datetime(df['Time'])

2. 然后可以通过提取日期部分来匹配：

# 提取日期并和目标日期比较
target_date = pd.to_datetime('1-1-2019').date()
filtered_df = df.loc[df['Time'].dt.date == target_date]

或者用dt.normalize()把时间部分归零后比较：

filtered_df = df.loc[df['Time'].dt.normalize() == pd.to_datetime('1-1-2019')]

转换成datetime类型后，你还能轻松实现按日期分组、筛选时间段等更多操作，比字符串匹配更适合长期维护。

补充：为什么你的原写法会报错？ #

你之前写的df.loc[df['Time'] == ['1-1-2019']]中，右侧是长度为1的列表，左侧是长度为3的Series，Pandas尝试逐元素对比时长度不匹配，所以抛出了Lengths must match的错误。即使改成df.loc[df['Time'] == '1-1-2019']也无法匹配，因为Time列的每个值都包含时间部分，和纯日期字符串完全不相等。

内容的提问来源于stack exchange，提问作者Ultiseeker