为何访问Pandas中DatetimeIndex索引的DataFrame需关注频率？

问题复现 #

非单日频率索引场景 #

运行以下代码：

import pandas as pd
earliest = pd.Timestamp('2012-01-01 06:00:00')
latest = pd.Timestamp('2014-12-01 23:00:00')
dr = pd.date_range(start=earliest, end=latest, freq="30min")
df_freq = pd.DataFrame(index=dr, columns=['freq'])
df_freq = df_freq.fillna(0)

# 使用日期字符串索引行
df_freq['2012-03-04']

2022年运行这段代码可正常返回该日期下的所有行，但会收到弃用警告：

FutureWarning: Indexing a DataFrame with a datetimelike index using a single string
to slice the rows, like frame[string], is deprecated and will be removed in a future
version. Use frame.loc[string] instead.

单日频率索引场景 #

将时间序列频率改为"D"（每日）后，相同索引逻辑会触发错误：

import pandas as pd
earliest = pd.Timestamp('2012-01-01')
latest = pd.Timestamp('2014-12-01')
dr = pd.date_range(start=earliest, end=latest, freq="D")     # 改为每日频率后索引失效
df_freq = pd.DataFrame(index=dr, columns=['freq'])
df_freq = df_freq.fillna(0)

df_freq['2012-03-04']

此时会抛出KeyError: '2012-03-04'，改用df_freq.loc['2012-03-04']则可正常获取对应日期的行数据。

核心原因 #

这种差异源于Pandas对[]索引的歧义处理逻辑：

• 当时间索引的频率为非单日类型（如30min、H等）时，df['YYYY-MM-DD']会被解析为日期范围切片，自动匹配该日期下的所有时间戳行，本质是把字符串当作当日所有时间点的简写。
• 当时间索引的频率为单日类型（D）时，索引中的每个元素都是精确到日的时间戳（YYYY-MM-DD 00:00:00），此时df['YYYY-MM-DD']会被Pandas当作列名去匹配，由于DataFrame不存在该名称的列，因此触发KeyError。

而loc是Pandas专门设计的标签索引器，无论时间索引的频率如何，loc['YYYY-MM-DD']都会被统一解析为匹配该日期对应的标签（或标签范围），因此能稳定工作。

文档依据 #

Pandas官方文档明确推荐使用loc进行标签式索引，尤其针对DatetimeIndex场景。在索引相关章节中提到，直接用[]对DatetimeIndex进行字符串索引的行为存在歧义，因此发出弃用警告，未来版本会彻底移除该用法，统一要求使用loc明确表达标签索引的意图。

内容的提问来源于stack exchange，提问作者auraham