如何用Pandas高效筛选每月第2天的数据？无需循环或Lambda

场景1：匹配你的预期结果（取每月数据中的第2条记录） #

根据你给出的预期结果，实际需求是按年份-月份分组后，提取每组的第2条记录（索引从0开始计数），无需循环或lambda的高效实现如下：

import pandas as pd

# 按年份和月份分组，取每组的第2条记录（nth(1)对应第2条）
result = df.groupby([df.index.year, df.index.month]).nth(1)

# 若需保留原日期索引格式，可重置后重新设置索引
result = result.reset_index().set_index('date')

执行后得到的结果与你的预期完全一致：

value
date                
2010-10-02  200
2012-10-03  200
2022-10-04  600

场景2：筛选每月的第2个工作日（匹配你尝试的代码逻辑） #

如果你确实需要筛选每月的第2个工作日（不管数据中是否存在该月的更早日期），可以通过生成目标工作日集合再筛选的方式实现：

import pandas as pd
from pandas.tseries.offsets import BMonthBegin, BDay

# 获取数据覆盖的所有月份
min_month = df.index.min().to_period('M')
max_month = df.index.max().to_period('M')
all_months = pd.period_range(min_month, max_month, freq='M')

# 计算每个月的第2个工作日：当月首个工作日 + 1个工作日
second_business_days = pd.to_datetime([
    (month.start_time + BMonthBegin(0) + BDay(1)).date() 
    for month in all_months
])

# 筛选数据中存在目标工作日的行
result = df[df.index.isin(second_business_days)]

原代码未生效的原因 #

你之前的代码df[df.index == df.index + BMonthBegin(0) + BDay(1)]逻辑有误：

• df.index + BMonthBegin(0)是给每个日期加上当月的营业月初，这会把所有日期都转为当月首个工作日，再加1个工作日得到当月第1个工作日；
• 用原索引和这个值比较，只有当原日期正好是当月第1个工作日时才会匹配，完全不符合你要筛选第2条记录或第2个工作日的需求。

内容的提问来源于stack exchange，提问作者mike01010