使用.loc[]对DatetimeIndex过滤时排除下界日期的实现方法

解决方案 #

你当前使用的df.loc[start:end]对DatetimeIndex做切片时默认是左右闭区间，会同时包含上下边界匹配的行，可以用以下几种方案实现左开右闭（排除下边界、包含上边界）的过滤：

• 方法1：布尔索引（通用性最强，无需索引提前排序）
  直接对索引做大小判断，组合过滤条件即可：

df[(df.index > lower_border_date) & (df.index <= upper_border_date)]

注意两个判断条件外层必须加括号，否则会因为运算符优先级问题报错。如果你的lower_border_date/upper_border_date是字符串格式，建议先转成pandas Timestamp类型再做比较，避免因为字符串匹配规则出现异常：lower_border_date = pd.to_datetime(lower_border_date)

• 方法2：使用truncate方法（适合已排序的单调DatetimeIndex，代码更简洁）
  pandas的truncate方法支持通过closed参数指定区间闭合规则：

# closed='right' 表示仅闭合右边界，即排除before参数对应的时间点
df.truncate(before=lower_border_date, after=upper_border_date, closed='right')

• 方法3：偏移下边界（仅适合时间粒度固定的场景，不优先推荐）
  如果你的时间索引粒度统一，比如都是按天统计的，可以将下边界往后偏移一个最小粒度单位后再做普通切片：

# 示例为天粒度，偏移1天；如果是小时粒度则替换为pd.Timedelta(hours=1)
offset_lower = lower_border_date + pd.Timedelta(days=1)
df.loc[f"{offset_lower}":f"{upper_border_date}"]

这个方案容易因为索引粒度判断错误出现漏数、多取的问题，非特殊情况不建议使用。

内容的提问来源于stack exchange，提问作者iuuujkl