如何以日期为起止点对DataFrame进行切片拆分？

首先需要先将DataFrame中的日期列转换为pandas内置的datetime格式，避免字符串匹配误差：

# 请将括号内的'date'替换为你实际的日期列名
df_all['date'] = pd.to_datetime(df_all['date'])

方法1：设置日期为索引后用loc范围切片 #

该方法语法最简洁，且支持直接输入日期字符串做范围查询：

1. 将日期列设置为行索引

df_all = df_all.set_index('date')

2. 按日期范围直接切片，该切片为左右闭区间，会包含起止日期的所有数据

# 示例：提取2023年1月1日到2023年6月1日的所有数据
df_some = df_all.loc['2023-01-01':'2023-06-01']
# 切片完成后可按需恢复普通列结构
df_some = df_some.reset_index()

方法2：布尔条件筛选（不修改原有索引） #

如果不想改动原DataFrame的索引结构，可以直接写日期判断条件筛选：

# 示例：提取2023年1月1日到2023年6月1日的所有数据
df_some = df_all[(df_all['date'] >= '2023-01-01') & (df_all['date'] <= '2023-06-01')]

注意：多条件组合时，每个条件需要用括号包裹，且逻辑与运算符要使用&，不能用and。

补充小技巧 #

如果日期列包含时分秒，需要单独筛选某一天的数据，可以使用dt.date匹配：

target_date = pd.to_datetime('2023-01-01').date()
df_one_day = df_all[df_all['date'].dt.date == target_date]

内容的提问来源于stack exchange，提问作者Bojan Milinic