按分钟筛选Pandas DataFrame：多索引时间筛选失效问题

嘿，我之前处理带时间+股票代码的多级索引股票数据时，也碰到过一模一样的问题，大概率是这几个细节没注意到，咱们来逐个排查解决：

• 时间戳的精度或时区不匹配
  很多时候看起来时间字符串完全一致，但实际索引里的时间可能带毫秒级精度，或者时区和你传入的筛选值不统一。比如索引里的时间是2014-05-01 09:32:00.123+00:00，你用精确到秒的字符串筛选自然找不到结果。
  先检查索引的时间类型和精度：

  print(data.index.get_level_values(0).dtype)
  print(data.index.get_level_values(0).head())
  

  如果是精度问题，把索引时间向下取整到秒再筛选：

  # 修正索引的时间精度
  data.index = data.index.set_levels(data.index.get_level_values(0).floor('S'), level=0)
  # 再执行筛选
  data2 = data.loc[('2014-05-01 09:32:00+00:00', slice(None)), :]
  

  如果是时区问题，确保筛选的时间戳和索引时区一致：

  # 比如索引是无时区的datetime，就把筛选时间转成无时区
  target_time = pd.to_datetime('2014-05-01 09:32:00+00:00').tz_localize(None)
  data2 = data.loc[(target_time, slice(None)), :]
  

• 多级索引的层级顺序搞反了
  先确认你的多级索引层级顺序是不是[日期, 股票代码]，执行print(data.index.names)看看输出。如果实际层级是[股票代码, 日期]，那你的筛选位置就错了，应该改成：

  data2 = data.loc[(slice(None), '2014-05-01 09:32:00+00:00'), :]
  

• 用xs方法替代loc更稳妥
  Pandas的xs方法专门针对多级索引筛选，语法更直观，不容易出错：

  # 按第0层（日期）筛选，保留原索引结构
  data2 = data.xs('2014-05-01 09:32:00+00:00', level=0, drop_level=False)
  

• 直接用datetime对象筛选而非字符串
  有时候字符串格式的细微差异（比如空格、符号）会导致匹配失败，直接构造datetime对象来筛选更可靠：

  target_time = pd.to_datetime('2014-05-01 09:32:00+00:00')
  data2 = data.loc[(target_time, slice(None)), :]
  

内容的提问来源于stack exchange，提问作者Tartaglia