为何无法用日期作为元组索引部分查询Pandas DataFrame行？

这个问题我之前折腾过好一会儿！大概率是你索引里的日期不是字符串类型，而是datetime对象，所以直接拿字符串'11-01-2018'去匹配肯定找不到。下面给你几个实用的解决办法：

方法一：转换查询日期为匹配的datetime类型 #

先确认下索引里日期部分的类型，跑一行代码看看：

print(df.index.get_level_values(0).dtype)

如果输出是datetime64[ns]，那你需要把查询的字符串转成datetime对象再用.loc查询：

import pandas as pd

# 注意format要和你的日期字符串格式对应，比如这里是月-日-年
target_date = pd.to_datetime('11-01-2018', format='%m-%d-%Y')
# 现在就能精准匹配到目标行了
target_row = df.loc[(target_date, 'GBPUSD')]

要是你的日期格式是日-月-年，记得把format改成%d-%m-%Y，别搞反了！

方法二：把索引的日期层转为字符串类型 #

如果你就想直接用字符串查询，那可以把索引里的日期统一转成字符串格式：

# 把索引第0层（日期）转成指定格式的字符串
df.index = df.index.set_levels(
    df.index.get_level_values(0).strftime('%m-%d-%Y'),
    level=0
)
# 现在直接用字符串元组就能查到了
target_row = df.loc[('11-01-2018', 'GBPUSD')]

不过要注意，这种操作会改变索引的类型，后续如果要做时间序列相关的运算（比如按日期切片）可能会不方便，按需选择就行。

方法三：用布尔索引临时过滤 #

不想修改索引的话，也可以直接用布尔条件过滤出目标行：

# 先构造匹配条件
date_match = df.index.get_level_values(0) == pd.to_datetime('11-01-2018', format='%m-%d-%Y')
pair_match = df.index.get_level_values(1) == 'GBPUSD'
# 合并条件并过滤
target_row = df[date_match & pair_match]

这种方法适合临时查询，不会改动原DataFrame的结构。

最后补充个小提醒：如果索引里的日期本来就是字符串，但格式和你用的查询字符串不一样（比如索引是'2018-11-01'，你用'11-01-2018'查），那也要先统一格式，要么改索引的字符串格式，要么把查询字符串转成和索引一致的格式再查。

内容的提问来源于stack exchange，提问作者Davtho1983