pandas中使用loc按日期范围筛选返回空DataFrame的问题定位

• 最根本的触发原因：time列未转换为datetime时间类型就直接用于索引构建与范围切片
  当前实现流程中，读入CSV后直接将存储为字符串格式的time列（取值类似1/18/2021、12/13/2020）设为索引，全程没有做时间类型转换。此时索引的类型是字符串对象，所有后续的排序、切片操作都遵循字符串字典序匹配规则，完全不具备时间维度的比较逻辑。传入的切片参数是'2018-10-10'、'2200-10-10'这类带横杠分隔的字符串，和原始time列的斜杠分隔字符串不在同一字典序匹配区间，自然无法匹配到任何条目，最终返回空DataFrame。
• 容易被忽略的次生问题：即使后续补了时间类型转换，如果没有显式指定原始时间的解析格式，pandas可能对月/日/年格式的取值出现解析错配，比如把本应是月份的数值当成日份处理，生成错误的时间值，最终导致切片逻辑失效。
• 规则差异带来的隐藏坑点：普通字符串类型的索引做loc切片时，仅会按照字典序匹配连续的字符串区间，不会识别“时间跨度”的语义，哪怕把输入的日期格式改成和原始字符串一致的斜杠格式，只要字符串排序顺序和实际时间顺序不匹配，依然会返回空结果。

• 读取CSV时直接对time列做时间类型解析，不要等设为索引后再处理：
  读取时指定列名集合的同时，搭配时间解析参数，明确告知pandas原始时间格式为%m/%d/%Y（即月/日/4位年），示例调用：
  pd.read_csv(file_path, names=['time', 'amount', 'category', 'subcategory', 'resunit', 'relateunit','divtype','des'], parse_dates=['time'], date_parser=lambda x: pd.to_datetime(x, format='%m/%d/%Y'))
• 完成类型转换后，再执行将time列设为索引、对索引做排序的操作，此时构建的索引为标准datetime类型，比较逻辑基于时间戳数值完成，和传入的日期书写格式无关——只要传入的参数能被pandas识别为合法datetime对象，就能正确完成范围切片。
• 切片时不需要手动把传入的start_time、end_time修改为和原始time列一致的斜杠格式，datetime类型的索引会自动完成同维度的时间比较，不会出现字典序错配的问题。

内容的提问来源于stack exchange，提问作者Anthraxff