Pandas如何使用query方法查询距指定日期最近的记录

pandas.query 原生没有内置你期望的~类非精确就近日期匹配操作符，无法直接写成query('Dates ~2017-1-1')的形式，但可以通过简单的时间差计算实现完全一致的筛选效果。

首先注意你示例代码里的小细节：生成的日期列名是Dates，查询时注意列名拼写一致。

具体实现逻辑分3步：

• 先用query过滤出hue==0.6的候选记录集
• 计算候选集中每条记录的日期与目标日期2017-01-01的绝对时间差
• 取时间差最小的记录即为结果

对应可直接运行的代码如下：

import pandas as pd
import numpy as np
from sklearn import datasets

# 测试数据生成代码（和你提供的示例一致）
df = pd.DataFrame(datasets.load_wine().data)
df.columns = datasets.load_wine().feature_names
df.columns=df.columns.str.strip()

def random_dates(start, end, n, unit='D'):
    ndays = (end - start).days + 1
    return pd.to_timedelta(np.random.rand(n) * ndays, unit=unit) + start

np.random.seed(0)
start = pd.to_datetime('2015-01-01')
end = pd.to_datetime('2022-01-01')
datelist=random_dates(start, end, 178)
df['Dates'] = datelist

# 核心查询逻辑
target_dt = pd.to_datetime('2017-01-01')
# 写法1：链式调用，可读性更好
res = df.query('hue == 0.6') \
        .assign(time_gap = lambda x: (x['Dates'] - target_dt).abs()) \
        .nsmallest(1, 'time_gap') \
        .drop(columns='time_gap') # 不需要保留时间差列可加这行

# 写法2：更精简的写法，直接取差值最小的行索引
res = df.query('hue == 0.6').loc[lambda x: (x['Dates'] - target_dt).abs().idxmin()]

注意：上述代码固定了随机种子np.random.seed(0)，运行后会得到唯一的匹配结果，筛选逻辑和你预期完全一致。如果需要高频使用这类就近匹配查询，可以自行封装pandas的query自定义表达式后端，添加你要的~操作符支持，但单次使用的话上面的代码已经足够简洁高效。

内容的提问来源于stack exchange，提问作者user18175092