Pandas匹配两列最近Datetime值时遭遇integer/long类型错误

我来帮你梳理下之前两种方法的问题，再给出可靠的解决方案：

先分析你遇到的错误原因 #

第一种方法（truncate）的问题 #

truncate() 方法是针对DataFrame/Series的索引进行截断的，而你直接对D1['Date']这个Series调用它时，它的索引是默认的整数索引（0,1,2...），你传入的ICO_to是Timestamp类型，整数索引和Timestamp无法直接比较，所以才会抛出TypeError: Cannot compare type 'Timestamp' with type 'long'。

第二种方法（get_loc）的问题 #

index.get_loc() 是根据索引的值来查找位置，你的DataFrame默认索引是整数，不是DatetimeIndex，所以传入datetime对象肯定会报错要求整数，这就是TypeError: an integer is required的原因。

正确的解决方案 #

首先确保日期列都转换为datetime类型（你已经做了这步，这里再确认下）：

import pandas as pd
import datetime

# 转换日期列类型
D1['Date'] = pd.to_datetime(D1['Date'])
D1['ICO_to'] = pd.to_datetime(D1['ICO_to'])

# 提取目标日期（因为ICO_to列所有值相同）
target_date = D1['ICO_to'].iloc[0]

方法1：计算时间差绝对值找最接近的日期（最直观，无需修改索引） #

这种方法不管目标日期在Date列的前后，都能找到最匹配的那个值：

# 计算每个Date与目标日期的时间差绝对值
time_diffs = abs(D1['Date'] - target_date)

# 找到时间差最小的那一行对应的Date值
closest_date = D1.loc[time_diffs.idxmin(), 'Date']

针对你的示例数据，target_date是2017-05-30，Date列里有2017-05-30 18:00:00，这就是完全匹配的，所以这个方法会直接返回这个值。

方法2：先将Date设为索引，再用truncate或get_loc（适合需要筛选前后日期的场景） #

如果你想专门找不早于目标日期的最早日期，或者不晚于目标日期的最晚日期，可以先把Date设为索引：

# 将Date列设为索引
D1_indexed = D1.set_index('Date')

# 用truncate找不早于目标日期的最早行
truncated_after = D1_indexed.truncate(before=target_date)
first_date_after_target = truncated_after.index[0]

# 用get_loc结合method='nearest'找最接近的日期索引
closest_idx = D1_indexed.index.get_loc(target_date, method='nearest')
closest_date_via_index = D1_indexed.index[closest_idx]

这样就不会出现之前的类型错误了，因为此时索引是DatetimeIndex，和target_date类型一致，可以正常比较。

方法3：筛选完全匹配日期的行（如果需要严格匹配日期部分） #

如果你的Date列包含时分秒，而ICO_to只有日期，想找日期部分完全一致的行：

# 筛选Date的日期部分等于目标日期的行
matched_rows = D1[D1['Date'].dt.date == target_date.date()]

if not matched_rows.empty:
    # 如果有匹配的行，取第一个（或任意一个）
    closest_date = matched_rows['Date'].iloc[0]
else:
    # 没有完全匹配的，再用时间差找最接近的
    time_diffs = abs(D1['Date'] - target_date)
    closest_date = D1.loc[time_diffs.idxmin(), 'Date']

内容的提问来源于stack exchange，提问作者Cole Starbuck