如何使用Python在时间序列或DataFrame中筛选日期范围

嘿，作为Python新手碰到这种问题真的很常见，我帮你拆解下代码里的问题，再给你修正后的方案：

你的代码里的几个关键问题： #

• 变量名错误：你最后用了df.loc[...]，但代码里根本没定义df，你实际定义的是data，这会直接抛出NameError。
• 索引类型不匹配：Alpha Vantage返回的data_daily的索引是字符串格式的日期（比如'2024-05-20'），但你用datetime.date对象去切片，两者类型不兼容，所以会返回空DataFrame。
• 小细节疏漏：你注释里的data[:'2019-11-29']，当时data还没定义，应该是data_daily。

修正后的完整代码： #

import pandas as pd
from alpha_vantage.timeseries import TimeSeries
from datetime import datetime

stock_ticker = 'SPY'
api_key = open('/content/drive/My Drive/Colab Notebooks/key').read()

# 初始化TimeSeries并获取数据
ts = TimeSeries(key=api_key, output_format="pandas")
data_daily, meta_data = ts.get_daily_adjusted(symbol=stock_ticker, outputsize='full')

# 将字符串索引转换为datetime类型（关键步骤！）
data = data_daily.copy()
data.index = pd.to_datetime(data.index)

# 方法1：用字符串日期切片
filtered_data_str = data['2014-01-01':'2015-02-01']

# 方法2：用datetime对象切片
start_date = datetime(year=2014, month=1, day=1)
end_date = datetime(year=2015, month=2, day=1)
filtered_data_dt = data.loc[start_date:end_date]

# 打印结果验证
print("用字符串切片的结果行数：", len(filtered_data_str))
print("用datetime对象切片的结果行数：", len(filtered_data_dt))

关键说明： #

1. 转换索引类型：pd.to_datetime(data.index)把原来的字符串索引转成datetime64类型，这样Pandas才能正确识别日期范围进行切片。
2. 两种切片方式都有效：转成datetime索引后，不管用字符串日期还是datetime对象切片，都能得到正确的结果。
3. 避免变量名混淆：全程统一用data或者df，别搞混了，不然容易报错。

你可以运行上面的代码试试，应该就能得到你想要的日期范围数据啦！

内容的提问来源于stack exchange，提问作者Jakub