基于动态时间索引条件为Pandas DataFrame新增列的实现方案

需求说明 #

基于时间索引为Pandas DataFrame（df）新增一列：

• 当索引处于years_list中任意年份的3月1日至3月7日期间时，新列值为1
• 其余情况值为2
• years_list支持动态调整（可包含任意数量年份）

现有代码问题 #

原代码存在逻辑错误，导致新列与df长度不匹配，且仅能匹配最后一个年份的日期范围：

new_col= []
years_list= [2020,2021,2023]

for year in years_list:
  start_date= pd.to_datetime(str(year)+'-03-01 00:00:00')
  end_date  = pd.to_datetime(str(year)+'-03-07 00:00:00')

for idx in range(len(df)):
   if df.index[idx] >= start_date and df.index[idx] <= end_date:
         new_col.append(1)
   else:
         new_col.append(2)

df["newC"] = new_col

错误原因：

• 第一个循环结束后，start_date和end_date仅保留最后一个年份（2023）的日期值
• 遍历索引的逻辑无法同时匹配多个年份的日期范围

解决方案 #

方法1：向量化操作（推荐，高效简洁） #

直接通过索引的年份和月日属性构建条件，无需循环，完美支持动态年份列表：

import pandas as pd

years_list = [2020, 2021, 2023]

# 提取索引的年份和月日字符串（格式如'03-01'）
idx_year = df.index.year
idx_md = df.index.strftime('%m-%d')

# 构建复合条件：年份在目标列表中，且日期处于3月1日至7日之间
condition = (idx_year.isin(years_list)) & (idx_md >= '03-01') & (idx_md <= '03-07')

# 为新列赋值
df['newC'] = condition.map({True: 1, False: 2})

方法2：动态生成目标时间范围集合 #

如果需要精确匹配包含时分秒的时间戳，可先生成所有目标时段的时间集合，再判断索引是否属于该集合：

import pandas as pd

years_list = [2020, 2021, 2023]
target_ranges = []

# 生成所有目标年份的3月1日至3月7日完整时间范围
for year in years_list:
    start = pd.to_datetime(f'{year}-03-01 00:00:00')
    end = pd.to_datetime(f'{year}-03-07 23:59:59')  # 覆盖3月7日全天
    target_ranges.append(pd.date_range(start, end, freq='S'))  # 按秒生成，可按需调整频率

# 合并所有目标时间戳为一个集合
target_timestamps = pd.concat(target_ranges)

# 判断索引是否在目标集合中并赋值
df['newC'] = df.index.isin(target_timestamps).map({True: 1, False: 2})

预期结果示例 #

内容的提问来源于stack exchange，提问作者jess