Pandas按月份过滤列为日期时间类型的DataFrame

嘿，我完全懂你的烦恼——网上大部分教程都盯着日期作为行索引的情况，但处理列是datetime类型的场景其实思路相通，只是把操作对象从行索引换成列名就好啦！下面给你一步步拆解解决方案：

第一步：确保列名是datetime类型 #

首先得确认你的列名真的是datetime格式，有时候可能是看起来像日期的字符串。如果还没转换，先做这一步：

import pandas as pd

# 把列名转换为datetime类型
df.columns = pd.to_datetime(df.columns)

第二步：筛选特定月份的列 #

假设你想保留1月和3月的列，直接利用datetime对象的month属性来过滤就行：

# 定义你要保留的月份列表
target_months = [1, 3]

# 筛选列：只保留月份在目标列表里的列
filtered_df = df.loc[:, df.columns.month.isin(target_months)]

进阶：筛选特定年份+月份的列 #

如果需要更精准的筛选（比如只保留2023年1月的列），可以组合year和month属性：

# 筛选2023年1月的列
filtered_df = df.loc[:, (df.columns.year == 2023) & (df.columns.month == 1)]

小提示：如果列名是字符串格式 #

如果你的列名还没转成datetime，也可以先转换再筛选，不用直接修改原DataFrame的列名：

# 先把列名转成datetime对象
datetime_columns = pd.to_datetime(df.columns)
# 筛选符合条件的列名
selected_columns = df.columns[datetime_columns.month.isin([1, 3])]
# 生成过滤后的DataFrame
filtered_df = df[selected_columns]

其实核心逻辑和处理日期索引是一样的，只是把df.index换成了df.columns——毕竟不管是行索引还是列名，只要是datetime类型，就可以用它的属性来做筛选～

内容的提问来源于stack exchange，提问作者Chris