如何调整引用的pandas DataFrame时间范围，无需重复新建数据对象？

你已经拉取了完整10年的日线数据存储在data对象中，pandas针对DatetimeIndex类型的索引提供了原生的时间范围切片能力，完全不需要重复调用yfinance拉取数据，也不用新建多个冗余的数据对象。

常用截取方法 #

1. 相对时间快速截取 #

直接使用pandas内置的last()方法，输入对应时间周期即可截取最近的对应范围数据，写法非常简洁：

# 截取最近3个月数据
data.last('3M')
# 截取最近6个月数据
data.last('6M')
# 截取最近1年数据
data.last('1Y')

对应你要计算最近3个月对数收益率的需求，可以直接链式调用完成，不需要存中间变量：

log_returns = np.log(data.last('3M')/data.last('3M').shift()).dropna()

2. 固定起止时间截取 #

如果需要自定义具体的起止时间范围，直接用.loc索引切片即可：

# 截取2023年1月1日到2023年6月30日的数据
data.loc['2023-01-01':'2023-06-30']
# 截取2022年全年的数据
data.loc['2022']
# 截取2023年第二季度数据
data.loc['2023-04':'2023-06']

3. 动态时间范围截取 #

和你之前计算90天时间范围的逻辑对齐的话，可以先计算起始时间再切片：

start_cut = dt.datetime.today() - dt.timedelta(90)
recent_90d_data = data.loc[start_cut:]

注意事项 #

yfinance返回的行情数据默认索引就是DatetimeIndex格式，不需要你额外做格式转换，上述方法可以直接生效。你全程只需要维护最开始拉取的全量data对象即可，需要任意时间范围直接从该对象截取即可，不会产生冗余变量，也不需要重复请求接口浪费时间。

内容的提问来源于stack exchange，提问作者atrmi