如何在Pandas中按多组日期间隔筛选时间序列DataFrame行

以下两种方案可实现需求，可根据区间数量选择适配的实现方式：

前置预处理 #

首先统一时间列数据类型，避免格式不匹配导致筛选失效：

import pandas as pd

# 转换主数据索引为datetime类型（如已为datetime可跳过）
df_power.index = pd.to_datetime(df_power.index)
# 转换区间表的起止时间列为datetime类型
df_intervals['date start'] = pd.to_datetime(df_intervals['date start'])
df_intervals['date end'] = pd.to_datetime(df_intervals['date end'])

方案1：循环生成条件（适合区间量较少的场景） #

逻辑简单易懂，区间量在1000以内时性能足够：

# 初始化全为False的掩码
mask = pd.Series(False, index=df_power.index)
# 遍历每个区间，合并符合条件的行
for _, interval in df_intervals.iterrows():
    mask |= df_power.index.to_series().between(interval['date start'], interval['date end'])

# 筛选得到结果
result = df_power[mask]

方案2：区间索引向量化匹配（适合区间量较大的场景） #

用pandas原生区间索引实现向量化判断，区间过万也能保持高性能：

# 构建闭区间索引，同时匹配起止时间端点
interval_idx = pd.IntervalIndex.from_arrays(
    df_intervals['date start'], 
    df_intervals['date end'], 
    closed='both'
)
# 判断每个时间点是否落在任意区间内
mask = interval_idx.get_indexer(df_power.index) >= 0

# 筛选得到结果
result = df_power[mask]

注意：如果时间数据带时区，需要保证所有时间列的时区一致，避免出现匹配错误

内容的提问来源于stack exchange，提问作者thelaw