Pandas中如何在将时间列设为索引后仍可通过行号访问数据？

嗨，这个问题我之前也碰到过！当你把datetime类型设为DataFrame的索引后，at方法就只能识别这个datetime标签了，没法直接用整数行号访问。不过别担心，有几个简单的办法能满足你的需求，同时保留datetime索引：

方法一：用iloc按位置访问 #

iloc是pandas专门用来基于整数位置访问数据的工具，完全不受当前索引类型的影响。你可以直接用行号来获取整行或者指定列的数据：

for row_index in range(len(df)):
    # 获取整行数据
    row_data = df.iloc[row_index]
    print(row_data)
    # 如果只需要value列的值
    value = df.iloc[row_index]['value']
    print(value)

简单解释下：iloc[row_index]会直接定位到第row_index行（从0开始计数），不管你的索引是datetime还是其他类型，都能正常工作。

方法二：用iterrows()遍历（适合小数据量场景） #

虽然你提到遍历DataFrame不是最佳实践，但如果只是小数据量的需求，iterrows()也能满足。它会返回每一行的**索引标签（这里就是你的datetime值）**和行数据，你可以忽略索引标签只取行数据：

for idx, row in df.iterrows():
    # idx是datetime索引，row是当前行的Series对象
    print(row)
    # 单独获取value列的值
    print(row['value'])

⚠️ 注意：如果数据量很大，优先用pandas的向量化操作（比如df['value'].apply()之类的），效率会比遍历高很多。

为什么原来的at方法会报错？ #

at是基于**标签（label-based）的索引方法，它只能接受你当前设置的索引类型的值（这里就是datetime对象），所以传入整数行号就会触发类型不匹配的错误。而iloc是专门处理位置（position-based）**访问的工具，正好适配你的需求。

内容的提问来源于stack exchange，提问作者Vader