如何基于起止月份筛选DataFrame中符合日期区间的行数据

步骤1：导入依赖（示例数据初始化可选，方便你直接测试） #

import pandas as pd

# 可直接运行的示例数据构造代码
data = {
    'Date': ['2020-05-18', '2020-06-22', '2019-07-11', '2018-03-01', '2021-01-21', '2021-05-05', '2021-09-11'],
    'Group': [1, 1, 1, 1, 2, 2, 2]
}
df = pd.DataFrame(data)

# 你的起止月份参数
Start = '2020-05'
End = '2021-09'

步骤2：转换日期列格式 #

首先需要把Date列从字符串转为pandas支持的datetime类型，方便后续时间计算。如果你现有DataFrame的Date列已经是datetime格式，可直接跳过这一步。

df['Date'] = pd.to_datetime(df['Date'])

步骤3：按月份区间筛选数据 #

提供两种常用实现方式，都可以得到你要的结果：

方式1：用月度周期匹配（推荐，逻辑更严谨） #

利用pandas的周期类型直接对比月度范围，不需要额外处理字符串：

# 把起止月份字符串转为月度周期对象
start_period = pd.Period(Start, freq='M')
end_period = pd.Period(End, freq='M')

# 筛选日期所属月份在目标区间内的行，between默认包含两端边界
result_df = df[df['Date'].dt.to_period('M').between(start_period, end_period)]

方式2：用年月字符串直接比对 #

将日期转为年-月格式的字符串后，直接和起止参数做大小比较：

# 提取每个日期对应的年月字符串
df['year_month'] = df['Date'].dt.strftime('%Y-%m')
# 筛选符合区间的行，筛选完可删除临时生成的年月列
result_df = df[(df['year_month'] >= Start) & (df['year_month'] <= End)].drop('year_month', axis=1)

最终输出 #

打印result_df即可得到预期结果：

内容的提问来源于stack exchange，提问作者tj judge