Python Pandas：通过子选择掩码创建新DataFrame时的索引错误

嘿，我之前处理日期数据时也碰到过完全一样的坑！让我一步步帮你理清问题根源和解决办法：

第一步：先确保日期转换完全正确 #

你提到原始日期是7/5/17这种月/日/年的格式，转成datetime时一定要指定格式参数，避免Pandas自动识别出错（比如把日和月搞混）。正确的转换代码应该是：

import pandas as pd

# 转换Date列为datetime类型，明确指定格式
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%y')

# 验证转换结果：应该显示datetime64[ns]
print(df['Date'].dtype)

如果转换后列类型是object，说明转换失败了，得检查原始日期格式有没有不一致的情况（比如有的是7-5-17，有的是07/05/2017），可以加上errors='coerce'把无效日期转成NaT再处理：

df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%y', errors='coerce')

第二步：解决索引错误的两种方案 #

你用date_range筛选时出现索引错误，核心原因是你的DataFrame索引不是datetime类型，而是默认的整数索引。这里有两种靠谱的解决方式：

方案1：将日期列设为DatetimeIndex（推荐用于时间序列分析） #

把转换后的Date列设置为索引，之后就能直接用日期范围切片了：

# 设置Date列为索引
df = df.set_index('Date')

# 定义起止日期
start_date = '2017-07-01'
end_date = '2017-12-31'

# 直接用loc切片筛选
filtered_df = df.loc[start_date:end_date]

# 或者用date_range生成范围后筛选（注意如果索引有缺失日期会出现NaN，可加dropna=True）
filtered_df = df.loc[pd.date_range(start_date, end_date)].dropna()

方案2：保留原索引，用布尔索引筛选 #

如果不想修改原有索引，直接通过日期列的比较来筛选更灵活：

# 先把起止日期转成datetime类型（避免字符串比较的潜在问题）
start_date = pd.to_datetime('2017-07-01')
end_date = pd.to_datetime('2017-12-31')

# 布尔索引筛选
filtered_df = df[(df['Date'] >= start_date) & (df['Date'] <= end_date)]

常见坑点排查 #

• 确认转换后的日期没有被识别错误：比如7/5/17应该转成2017-07-05，而不是2017-05-07，这全靠指定format='%m/%d/%y'来保证。
• 如果用loc切片提示“索引不存在”，要么是索引不是datetime类型，要么是你指定的日期范围里没有对应数据，这时候布尔索引的方式更稳妥。

内容的提问来源于stack exchange，提问作者cphill