使用Pandas筛选指定日期数据返回空DataFrame的解决方法

你的DataFrame如下：

forecasts
Out[15]: 
             timestamp         1            2          
0  2022-11-08 12:12:15  5679.658691  5400.217773  
1  2022-11-08 12:38:49  5679.658691  5400.217773  
2  2022-11-09 11:05:53  5863.616699  5619.101562  
3  2022-11-10 10:46:27  6047.025391  5714.026367  
4  2022-11-11 11:59:29  6147.197754  5750.312988  
5  2022-11-12 11:56:45  6008.574707  5775.820312  

你尝试用以下代码筛选2022-11-11当天的数据：

forecasts = forecasts[forecasts['timestamp'] == pd.Timestamp(str(2022) + '-' + str(11) + '-' + str(11))]

但返回空DataFrame，原因是pd.Timestamp('2022-11-11')默认对应2022-11-11 00:00:00，而目标行的timestamp是2022-11-11 11:59:29，精确到时分秒，直接全等匹配无法命中。

解决方案 #

这里提供三种可行的实现方式：

方法1：提取日期对象进行匹配

直接提取timestamp列的日期部分（忽略时分秒），和目标日期的日期对象比较：

target_date = pd.Timestamp('2022-11-11').date()
forecasts = forecasts[forecasts['timestamp'].dt.date == target_date]

方法2：使用日期范围筛选

匹配当天0点到次日0点之间的所有数据，涵盖当天任意时分秒的记录：

start_date = pd.Timestamp('2022-11-11')
end_date = start_date + pd.Timedelta(days=1)
forecasts = forecasts[(forecasts['timestamp'] >= start_date) & (forecasts['timestamp'] < end_date)]

方法3：归一化时间后匹配（Pandas 1.3.0+）

用dt.normalize()将timestamp的时分秒部分重置为00:00:00，再和目标日期的Timestamp对象比较：

forecasts = forecasts[forecasts['timestamp'].dt.normalize() == pd.Timestamp('2022-11-11')]

以上三种方法都能正确筛选出2022-11-11当天的所有数据行。

内容的提问来源于stack exchange，提问作者Leb_Broth