如何按年份切片Pandas中含十年日度股票数据的DataFrame？

当然有更简洁的按年份切片方案！你提到的df.index.year['2017']写法虽然思路方向对，但实际行不通——因为df.index.year返回的是包含各日期年份的整数序列，没法直接用年份值索引。下面给你几个实用且符合需求的方法：

• 最简便的直接切片法
  Pandas的DatetimeIndex天生支持年份字符串直接切片，这应该是最接近你预期的写法：

  df['2017']  # 一键获取2017年全年的所有数据
  

  这种写法还支持更精细的时间范围，比如df['2017-03':'2017-06']就能快速提取2017年第二季度的数据，非常直观。

• 布尔索引灵活筛选
  如果需要同时筛选多个年份，或者结合其他条件，布尔索引会更灵活：

  # 单一年份筛选
  df[df.index.year == 2017]
  # 多个年份筛选
  df[df.index.year.isin([2015, 2016, 2017])]
  

• 年份分组/聚合（若需统计操作）
  要是你不仅想切片，还需要按年份做数据聚合（比如计算每年的平均收盘价），可以用groupby或resample：

  # 按年份分组计算均值
  df.groupby(df.index.year).mean()
  # 按年度重采样并计算均值（结果索引为年末日期）
  df.resample('Y').mean()
  

其中第一种方法df['2017']是最省心的，完全不用手动写起始和结束日期，Pandas会自动帮你匹配对应年份的所有数据行。

内容的提问来源于stack exchange，提问作者RiskTech