如何按日期列表筛选带日期小时的时间序列DataFrame？

我来帮你搞定这个问题！你遇到的核心问题是：当用isin直接匹配日期字符串时，只会匹配到索引中**精确等于该日期（时分秒为00:00:00）**的那条记录，而不是当天所有15分钟间隔的96条数据。下面给你几种实用的解决思路：

方法1：提取索引的日期部分进行匹配 #

这是最直接的方式，我们可以把DataFrame索引的日期部分单独提取出来，再和目标日期列表做匹配：

import pandas as pd

# 目标日期列表
target_dates = ['2016-11-01', '2016-11-03']
# 把目标日期转换为date对象（和索引的date属性格式一致）
target_date_objects = pd.to_datetime(target_dates).date

# 筛选索引日期在目标列表中的所有记录
filtered_df = df[df.index.date.isin(target_date_objects)]

原理：df.index.date会把每个datetime索引转换成datetime.date类型（只保留年/月/日），这样就能和我们转换后的目标日期对象完全匹配，从而拿到当天所有的15分钟记录。

方法2：利用切片+拼接实现筛选 #

如果你的日期索引是连续的，也可以通过对每个目标日期做全天切片，再拼接结果：

import pandas as pd

target_dates = ['2016-11-01', '2016-11-03']
# 对每个日期生成从当天到次日凌晨的切片，确保包含全天所有记录
date_slices = [df.loc[date : pd.to_datetime(date) + pd.Timedelta(days=1)] for date in target_dates]
# 拼接所有切片结果
filtered_df = pd.concat(date_slices)

原理：df.loc['2016-11-01': '2016-11-02']会自动包含2016-11-01的所有记录（到2016-11-02 00:00:00之前），刚好覆盖当天96条15分钟数据。

方法3：使用query方法简化筛选 #

如果你喜欢更简洁的语法，可以用query直接查询索引的日期部分：

import pandas as pd

target_dates = ['2016-11-01', '2016-11-03']
filtered_df = df.query("index.date in @target_dates")

原理：query支持直接引用外部变量（用@前缀），并且可以直接访问索引的date属性，语法更直观。

为什么之前的方法失效？ #

你之前用df.ix[df.index.to_datetime().isin(qwe)]时，qwe里的日期字符串会被转换成datetime.datetime类型（时分秒为00:00:00），而你的DataFrame索引是带具体时分秒的（比如2016-11-01 01:00:00），所以isin只会匹配到当天00:00:00的那条记录，自然只能拿到每天1条数据啦。

内容的提问来源于stack exchange，提问作者Izaskun