Python如何按观测数量拆分DatetimeIndex索引的DataFrame

切片时传入的索引值是浮点类型，而DatetimeIndex的[]切片不接受浮点数作为位置参数。
你的代码里len(data) * 0.3计算结果是3.0，属于float类型，直接传入切片就会触发如下错误：

TypeError: cannot do slice indexing on DatetimeIndex with these indexers [3.0] of type float

你提到的日期字符串切片属于标签切片逻辑，和按观测行数拆分的位置切片是两套不同的索引逻辑，要按行数拆分不需要依赖索引的日期值。

按观测数量（行位置）拆分时，先将拆分阈值转为整数，同时推荐用.iloc显式声明是按位置切片，避免和DatetimeIndex的标签切片逻辑混淆，修改后可正常运行的代码如下：

import pandas as pd

data = {
  'aapl': [11, 12, 13, 14, 15, 16, 17, 18, 19, 20], 
  'aal' : [33, 33, 33, 32, 31, 30, 34, 29, 27, 26],
}

data = pd.DataFrame(data)
data.index = pd.date_range('2011-01-01', '2011-01-10')

# 计算拆分点时转为整数，int()会直接截断小数部分
n_obs = int(len(data) * 0.3)
# 用iloc做严格的位置切片，和索引类型无关
train, test = data.iloc[:n_obs], data.iloc[n_obs:]

• 如果需要四舍五入取拆分点，可以把int()替换为round()，例如n_obs = round(len(data) * 0.3)
• 不要直接用data[:n_obs]的写法：当索引是DatetimeIndex时，这种写法优先走标签匹配逻辑，用.iloc可以明确指定按行号取数，不会出现逻辑歧义。

内容的提问来源于stack exchange，提问作者David L.E