Pandas是否有功能可每日从datetime列提取指定时间戳？

步骤1：转换时间列格式 #

首先需要将timestamp列转换为Pandas内置的datetime类型，才能方便后续的时间维度筛选：

import pandas as pd
# 若原timestamp列为字符串格式，执行该转换
df['timestamp'] = pd.to_datetime(df['timestamp'])

步骤2：基础筛选逻辑（固定匹配16:00:03） #

如果确认所有日期下最接近16点的tick固定为16:00:03，可以直接匹配时间部分，无需手动录入每日日期：

# 定义目标时分秒
target_time = pd.to_datetime("16:00:03").time()
# 直接筛选全数据集中所有日期16:00:03的记录
df_filtered = df[df['timestamp'].dt.time == target_time]

步骤3：追加筛选条件 #

根据你的需求二选一即可：

方案A：按指定月份筛选 #

# 示例为筛选2021年8月的记录，修改目标月份即可适配其他月份
target_month = "2021-08"
df_filtered = df[
    (df['timestamp'].dt.time == target_time) &
    (df['timestamp'].dt.to_period('M') == target_month)
]

方案B：按起止日期范围筛选 #

# 示例为筛选2021-08-02到2021-08-06的记录，修改起止值即可适配其他范围
start_date = "2021-08-02"
end_date = "2021-08-06"
df_filtered = df[
    (df['timestamp'].dt.time == target_time) &
    (df['timestamp'].between(start_date, end_date, inclusive='both'))
]

拓展通用方案：自动取每日最接近16点的tick #

如果存在部分日期的最接近16点tick秒数不固定的情况（比如你给出的样例中9月的tick秒数为02），可以用下面的逻辑自动匹配，不需要固定目标时间：

# 生成对应日期的16点整对照时间
df['date'] = df['timestamp'].dt.date
df['target_datetime'] = pd.to_datetime(df['date'].astype(str) + " 16:00:00")
# 计算每条记录与当日16点的时间差绝对值
df['time_diff'] = abs(df['timestamp'] - df['target_datetime'])
# 按日期分组，取每个日期下时间差最小的记录
df_filtered = df.sort_values('time_diff').groupby('date').head(1).sort_values('timestamp').drop(columns=['date', 'target_datetime', 'time_diff'])
# 同样可以在该逻辑基础上追加上述的月份/日期范围筛选条件

内容的提问来源于stack exchange，提问作者Kyle