带有日期层级的MultiIndex DataFrame如何使用字符串索引取值？

数据老陈

2026-9-28

编辑补充

我已经找到解决方案了：在进行任何切片操作前需要先执行sort_index对索引排序。

背景说明

我有一个结构如下的DataFrame（注：ticker层级可能包含不止SPY一个标的，此处仅以SPY举例）：

open      high       low     close  adj_close    volume
ticker date                                                                   
SPY    1993-01-29   43.9688   43.9688   43.7500   43.9375    25.7297   1003200
       1993-02-01   43.9688   44.2500   43.9688   44.2500    25.9127    480500
       1993-02-02   44.2188   44.3750   44.1250   44.3438    25.9676    201300
       1993-02-03   44.4062   44.8438   44.3750   44.8125    26.2421    529400
       1993-02-04   44.9688   45.0938   44.8750   45.0000    26.3519    531500
...                     ...       ...       ...       ...        ...       ...
       2021-10-18  443.9700  447.5500  443.2700  447.1900   447.1900  62213228
       2021-10-19  448.9200  450.7100  448.2700  450.6400   450.6400  46996827
       2021-10-20  451.1300  452.7320  451.0100  452.4100   452.4100  49571569
       2021-10-21  451.7700  453.8290  451.3100  453.5900   453.5900  41305438
       2021-10-22  453.1300  454.6700  451.0500  453.1200   453.1200  58845088

我原本打算用下面这个语法获取SPY在2015年1月的价格，这种写法可以完好保留DataFrame的原有结构：

df.loc[("SPY", "2015-01")]

但实际运行报错，于是我尝试了第二种语法，这种写法如果运行成功会返回单索引的DataFrame：

df.loc["SPY"]["2015-01"]

两种方案都运行失败，均返回KeyError。我已经核实索引的第二层存储的是date对象，并非纯字符串，索引信息如下：

In [24]: df.index
Out[24]: 
MultiIndex([('SPY', '1993-01-29'),
            ('SPY', '1993-02-01'),
            ('SPY', '1993-02-02'),
            ('SPY', '1993-02-03'),
            ('SPY', '1993-02-04'),
            ('SPY', '1993-02-05'),
            ('SPY', '1993-02-08'),
            ('SPY', '1993-02-09'),
            ('SPY', '1993-02-10'),
            ('SPY', '1993-02-11'),
            ...
            ('SPY', '2021-10-11'),
            ('SPY', '2021-10-12'),
            ('SPY', '2021-10-13'),
            ('SPY', '2021-10-14'),
            ('SPY', '2021-10-15'),
            ('SPY', '2021-10-18'),
            ('SPY', '2021-10-19'),
            ('SPY', '2021-10-20'),
            ('SPY', '2021-10-21'),
            ('SPY', '2021-10-22')],
           names=['ticker', 'date'], length=7237)

In [25]: df.index.get_level_values(1)
Out[25]: 
Index(['1993-01-29', '1993-02-01', '1993-02-02', '1993-02-03', '1993-02-04',
       '1993-02-05', '1993-02-08', '1993-02-09', '1993-02-10', '1993-02-11',
       ...
       '2021-10-11', '2021-10-12', '2021-10-13', '2021-10-14', '2021-10-15',
       '2021-10-18', '2021-10-19', '2021-10-20', '2021-10-21', '2021-10-22'],
      dtype='object', name='date', length=7237)

目前我唯一能成功运行的写法如下：

In [19]: df = get_eod_data(["SPY"])

In [20]: df = df.loc["SPY"]

In [21]: df.index = pd.to_datetime(df.index)

In [22]: df.loc["2015-01"]
Out[22]: 
              open    high      low     close  adj_close     volume
date                                                               
2015-01-02  206.38  206.88  204.180  205.4300   180.9772  121465865
2015-01-05  204.17  204.37  201.350  201.7200   177.7088  169632646
2015-01-06  202.09  202.72  198.855  199.8200   176.0349  209151408
2015-01-07  201.42  202.72  200.880  202.3100   178.2285  125346709
2015-01-08  204.01  206.16  203.990  205.9000   181.3912  147217784
2015-01-09  206.40  206.42  203.510  204.2500   179.9376  158567288
2015-01-12  204.41  204.60  201.920  202.6500   178.5281  144396067
2015-01-13  204.12  205.48  200.510  202.0800   178.0259  214553306
2015-01-14  199.65  201.10  198.570  200.8600   176.9511  192991092
2015-01-15  201.63  202.01  198.880  199.0199   175.3301  176613906
2015-01-16  198.77  201.82  198.550  201.6300   177.6295  211879605
2015-01-20  202.40  202.72  200.170  202.0550   178.0039  130991069
2015-01-21  201.50  203.66  200.940  203.0800   178.9069  122942707
2015-01-22  203.99  206.26  202.330  206.1000   181.5674  174356029
2015-01-23  205.79  206.10  204.810  204.9700   180.5719  117516753
2015-01-26  204.71  205.56  203.850  205.4500   180.9948   92009711
2015-01-27  202.97  204.12  201.740  202.7400   178.6073  134044598
2015-01-28  204.17  204.29  199.910  200.1400   176.3168  168514312
2015-01-29  200.38  202.30  198.680  201.9902   177.9468  173585424
2015-01-30  200.57  202.17  199.130  199.4500   175.7090  197729724

看起来我需要手动将DataFrame索引的第二层转换为DateTimeIndex之后，才能使用字符串对其进行索引。

问题

我需要做哪些操作，才能直接使用df.loc[("SPY", "2015-01")]或者df.loc["SPY"]["2015-01"]这类语法，便捷地按日期范围索引数据？

解决方案

完成以下两步操作即可实现需求：

先将MultiIndex的第二层date层级转换为DateTimeIndex类型
对整个DataFrame执行sort_index()排序索引

# 转换date层级为日期类型
df.index = df.index.set_levels([df.index.levels[0], pd.to_datetime(df.index.levels[1])], level=['ticker', 'date'])
# 排序索引
df = df.sort_index()

完成以上操作后就可以直接用df.loc[("SPY", "2015-01")]语法查询数据，同时保留原始的MultiIndex结构。

内容的提问来源于stack exchange，提问作者Bob Fang