如何忽略年份筛选Pandas DataFrame指定月日区间数据并优化性能？

直接利用Pandas DatetimeIndex的month和day属性构建向量化掩码，完全替代循环操作，性能提升显著，尤其适用于大数据集场景。

核心逻辑 #

我们需要保留以下三类数据：

• 4月份且日期≥15日
• 5-8月份的所有日期
• 9月份且日期≤16日

将这三个条件通过逻辑或（|）组合，即可生成高效的筛选掩码。

代码示例 #

1. 创建测试数据 #

import pandas as pd
import numpy as np

# 生成2020-2023年的每日时序数据
date_range = pd.date_range(start='2020-01-01', end='2023-12-31', freq='D')
df = pd.DataFrame({'value': np.random.randn(len(date_range))}, index=date_range)

2. 构建掩码并操作数据 #

# 提取索引的月份和日期字段
month = df.index.month
day = df.index.day

# 构建筛选掩码
mask = (
    (month == 4) & (day >= 15) |
    (month.isin([5, 6, 7, 8])) |
    (month == 9) & (day <= 16)
)

# 筛选目标数据
filtered_df = df[mask]

# 为筛选出的行设置值（例如将value字段设为0）
df.loc[mask, 'value'] = 0

性能说明 #

这种向量化操作依赖Pandas内部的C级优化，避免了Python层面的循环遍历，在处理十万级以上数据时，速度比循环方案快几十倍甚至上百倍。

注意事项 #

• 逻辑自动适配所有年份，无需单独处理闰年（4月15日和9月16日在所有年份均存在）
• 若需调整日期范围，只需修改对应的月份和日期阈值即可

内容的提问来源于stack exchange，提问作者mosc9575