Pandas基于datetime64[ns]日期列筛选行无结果问题排查

• 日期格式不匹配（字符串 vs datetime对象）
  直接用字符串和datetime列比较时，若字符串格式与datetime列的解析逻辑不兼容，会导致筛选失效。比如你的datetime列包含时间戳（如2000-01-01 00:00:00），但用'2000-01-01'这类纯日期字符串比较，可能出现隐性不匹配。正确做法是用pd.Timestamp生成标准datetime对象来对比：

  import pandas as pd
  filtered_df = df[df['Air Date'] > pd.Timestamp('2000-01-01')]
  

• datetime转换存在隐性错误
  即便你确认列类型是datetime64[ns]，也可能存在未被察觉的无效日期（NaT）或转换不完整的情况。先执行以下代码验证：

  # 确认列数据类型
  print(df['Air Date'].dtype)
  # 统计无效日期数量
  print(df['Air Date'].isna().sum())
  # 查看前几行的实际日期值
  print(df['Air Date'].head())
  

  若转换时未添加errors='coerce'参数，部分格式错误的日期会导致转换逻辑异常，进而影响筛选结果。

• 筛选条件逻辑错误
  检查是否不小心写反了比较运算符（比如把>写成<），或是写错了目标日期（比如把2000写成2020）。这类低级错误很容易被忽略，先核对条件里的日期字符串和运算符。

• 时区不统一
  若你的datetime列带时区标记（如datetime64[ns, UTC]），而用无时区的日期对象比较，会出现匹配失效。可以统一时区后再筛选：

  # 移除列的时区信息
  df['Air Date'] = df['Air Date'].dt.tz_localize(None)
  # 或给对比的日期添加对应时区
  filtered_df = df[df['Air Date'] > pd.Timestamp('2000-01-01', tz='UTC')]
  

• 数据切片或索引异常
  若你是在切片后的子DataFrame上操作，可能因索引混乱或操作副本导致筛选无结果。可先重置索引再尝试：

  df = df.reset_index(drop=True)
  filtered_df = df[df['Air Date'] > pd.Timestamp('2000-01-01')]
  print(filtered_df.shape)
  

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