基于时间索引的宽幅Pandas DataFrame按Interval筛选行问题

我来帮你搞定这个筛选问题！确实，loc和iloc没法直接接受Interval实例作为参数，但我们可以利用Pandas的时间索引特性和Interval的内置方法来实现需求，下面给你两种实用的方案：

先准备示例场景 #

假设我们有这样一个带时间索引的宽幅DataFrame，以及自定义的时间Interval：

import pandas as pd

# 生成测试用时间索引DataFrame
dates = pd.date_range('2023-01-01', periods=10, freq='D')
df = pd.DataFrame({'value1': range(10), 'value2': range(10, 20)}, index=dates)

# 自定义时间区间（比如2023-01-03到2023-01-07，左右都闭合）
target_interval = pd.Interval(pd.Timestamp('2023-01-03'), pd.Timestamp('2023-01-07'), closed='both')

方案1：直接用Interval的contains方法筛选 #

pd.Interval的contains方法支持传入数组（比如DatetimeIndex），会返回一个布尔数组，刚好可以用来筛选行：

# 筛选索引落在目标区间内的行
filtered_df = df[target_interval.contains(df.index)]

这个方法的好处是完全遵循你定义的Interval闭合规则（比如左开右闭、全闭合等），不需要额外调整参数。

方案2：利用索引的between方法 #

如果你更习惯用索引的原生方法，可以提取Interval的左右边界，结合between函数来实现，记得指定和Interval一致的闭合规则：

# 匹配Interval的闭合类型，inclusive参数可选'both'/'left'/'right'/'neither'
filtered_df = df[df.index.between(
    target_interval.left, 
    target_interval.right, 
    inclusive=target_interval.closed
)]

为什么loc/iloc不行？ #

简单来说，loc只接受标签、布尔数组或标签切片，iloc只接受位置索引或位置切片，而Interval实例本身不属于这些类型，所以直接传入会报错。我们上面的两种方法都是把Interval转换成了符合要求的布尔筛选条件，这样就能顺利筛选行啦。

内容的提问来源于stack exchange，提问作者Adri