当日期为索引或字符串类型时，如何提取每月2日和7日的湖泊水位数据并统计极值？

步骤1：环境导入与数据预处理 #

import pandas as pd

# 加载数据，替换为你的实际数据读取路径，csv用pd.read_csv，excel用pd.read_excel
df = pd.read_csv("your_data_path.csv")

# 统一处理Date字段：如果Date是索引则先重置为普通列
if df.index.name == "Date":
    df = df.reset_index()

# 将Date列从字符串转为日期类型，适配示例的「日/月/年」格式
df["Date"] = pd.to_datetime(df["Date"], format="%d/%m/%Y")

步骤2：筛选每月2日、7日的Lake_Level值 #

# 提取日期的日字段做匹配，筛选后单独取Lake_Level列
filtered_lake_level = df.loc[df["Date"].dt.day.isin([2,7]), "Lake_Level"]

# 输出所有符合条件的Lake_Level记录
print("每月2日、7日的Lake_Level记录：")
print(filtered_lake_level.to_list())

步骤3：统计前3大值和后3小值 #

# 前3大值，不需要去重则删掉.drop_duplicates()即可
top3_largest = filtered_lake_level.nlargest(3).drop_duplicates()
# 后3小值
top3_smallest = filtered_lake_level.nsmallest(3).drop_duplicates()

print("\nLake_Level前3大值：")
print(top3_largest.to_list())
print("\nLake_Level后3小值：")
print(top3_smallest.to_list())

注意事项 #

• 若你的日期字符串格式和示例不一致，需要调整pd.to_datetime里的format参数，避免日期解析错误
• 代码默认支持处理空值，空值会在极值统计时自动忽略

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