Pandas如何仅对时间序列中最新日期的数据进行掩码处理？

错误原因说明 #

indexer_between_time 方法仅按时间部分匹配索引，不区分关联的日期，直接对全量时间索引用该方法取位置赋值，会命中所有日期符合时间规则的点位，这就是第一次操作所有日期开盘段全被标记为True的原因。
后续尝试得到全False结果，本质是位置索引和标签索引混用导致的对齐失败：筛选最新交易日子集后调用indexer_between_time拿到的是子集内部的相对位置，直接把这个相对位置传到原Series做索引，要么选错点位，要么匹配不到对应标签，赋值根本没生效。

可直接运行的正确代码 #

import pandas as pd

# 1. 构造测试数据：2天跨度、15分钟频率的时间索引，初始全False的Series
dt_index = pd.date_range(start="2024-06-03", end="2024-06-04 16:00", freq="15T")
time_series = pd.Series(False, index=dt_index)

# 2. 定位最新交易日
latest_date = time_series.index.date.max()

# 3. 筛选目标点位：先限定日期范围，再匹配开盘时段
# 先取最新交易日的索引子集
latest_day_subset_idx = time_series[time_series.index.date == latest_date].index
# 在子集内匹配9:30-10:30的时段位置
open_time_pos = latest_day_subset_idx.indexer_between_time("9:30", "10:30")
# 映射回原索引的真实标签，用loc赋值避免对齐问题
target_labels = latest_day_subset_idx[open_time_pos]
time_series.loc[target_labels] = True

结果验证 #

执行print(time_series[time_series == True])即可看到，仅最新交易日（示例中为2024-06-04）的9:30、9:45、10:00、10:15、10:30共5个15分钟点位被标记为True，其余所有点位均为False，符合预期。

避坑提示 #

• 不要直接对全量索引调用indexer_between_time后直接赋值，必然跨日期命中所有匹配时间的点位
• 子集内拿到的位置索引是相对位置，不能直接用于原Series的iloc/loc赋值，必须先映射回原Series的真实索引标签再操作
• 布尔索引写法可以进一步简化，不需要依赖indexer_between_time，可读性更高：

  time_series[
      (time_series.index.date == latest_date)
      & (time_series.index.time >= pd.Timestamp("9:30").time())
      & (time_series.index.time <= pd.Timestamp("10:30").time())
  ] = True
  

内容的提问来源于stack exchange，提问作者a7dc