pandas DataFrame中按指定月日范围批量设置列值的实现方法

基于Python Pandas（推荐处理批量时间序列数据） #

首先确保Date列转换为Pandas datetime格式后，按如下代码操作即可：

import pandas as pd

# 加载数据，可替换为你自己的数据加载逻辑
df = pd.read_csv("your_data.csv")

# 转换日期列为datetime格式，如已转换可跳过该步骤
df["Date"] = pd.to_datetime(df["Date"])

# 构造匹配条件
# 条件1：4月且日期≥25，如需严格大于25可删除等号
cond_apr = (df["Date"].dt.month == 4) & (df["Date"].dt.day >= 25)
# 条件2：5月且日期≤5，如需严格小于5可删除等号
cond_may = (df["Date"].dt.month == 5) & (df["Date"].dt.day <= 5)

# 给符合条件的行col1赋值为True
df.loc[cond_apr | cond_may, "col1"] = True

• 该代码会自动匹配2010-2020年所有符合月日要求的行，无需按年份单独循环处理
• 最终你可以用df.to_csv("processed_data.csv", index=False)导出处理后的数据

基于Excel #

如果数据存储在Excel表格中，可直接用公式实现：

1. 假设日期在A列，col1在B列，在B2单元格输入公式：
   =OR(AND(MONTH(A2)=4,DAY(A2)>=25),AND(MONTH(A2)=5,DAY(A2)<=5))
2. 将公式下拉填充到所有行，即可自动返回对应的TRUE/FALSE值

内容的提问来源于stack exchange，提问作者Daniil Yefimov