如何用日期索引的DataFrame筛选带datetime索引的DataFrame

算力阿峰

2026-8-4

嘿，我来帮你简化这个日期筛选的操作！双重循环确实有点啰嗦，Pandas提供了非常高效的向量化方法来处理这类需求，不用手动写嵌套循环~

方法1：提取日期部分用`isin`匹配

我们可以直接提取第一个DataFrame索引的日期部分，然后用isin()方法判断这些日期是否存在于第二个DataFrame的索引日期集合中：

import pandas as pd

# 初始化你的两个DataFrame
df = pd.DataFrame({'value':[1,2,3,4,5,6]})
df.index = pd.to_datetime(['2022-01-01 10:00','2022-01-02 13:00','2022-01-07 10:00','2022-01-08 10:00','2022-01-11 10:00','2022-01-12 10:00'])

df_1 = pd.DataFrame({'value':[1,2,3]})
df_1.index = pd.to_datetime(['2022-01-02','2022-01-05','2022-01-07'])

# 生成筛选掩码：提取df索引的日期，判断是否在df_1的索引日期中
mask = df.index.dt.date.isin(df_1.index.date)
# 筛选结果
df_filter = df[mask]
print(df_filter)

运行后得到的结果和你手动循环的完全一致：

value
2022-01-02 13:00:00      2
2022-01-07 10:00:00      3

方法2：截断索引到日期级别再匹配

另一种思路是把第一个DataFrame的datetime索引截断到日期维度（把时间部分转为00:00），然后直接和第二个DataFrame的datetime索引匹配：

# 将df的索引截断为日期（时间部分变为00:00）
df_normalized_index = df.index.normalize()
# 判断是否在df_1的索引中
mask = df_normalized_index.isin(df_1.index)
df_filter = df[mask]

这种方法的好处是不需要额外提取date对象，直接用datetime类型匹配，逻辑更直观。