如何在Pandas中获取指定时间范围的数据？

嘿，这事儿不难，我来给你捋清楚怎么用Pandas筛选带时区的时间范围数据，你的数据集已经带了+05:30时区，刚好可以直接处理：

首先咱们得把你的时间戳列表转成Pandas的DataFrame，并且确保时间列是带时区感知的datetime类型——这很重要，不然筛选时区数据会出问题。

import pandas as pd

# 你的时间戳数据集
timestamps = [
    "2018-02-11 17:09:47.211344+05:30",
    "2018-02-11 17:10:13.553385+05:30",
    "2018-02-11 17:30:13.58636+05:30",
    "2018-02-11 18:00:13.630383+05:30",
    "2018-02-11 18:30:13.558238+05:30",
    "2018-02-12 03:50:19.298678+05:30",
    "2018-02-12 04:53:17.187277+05:30",
    "2018-02-12 05:10:25.443962+05:30",
    "2018-02-12 05:20:21.591291+05:30",
    "2018-02-13 06:41:54.234258+05:30",
    "2018-02-17 07:04:10.662735+05:30",
    "2018-02-20 05:34:39.855528+05:30"
]

# 创建DataFrame并解析时间列（保留原时区）
df = pd.DataFrame({"timestamp": timestamps})
df["timestamp"] = pd.to_datetime(df["timestamp"], utc=False)

你可以用df.dtypes检查一下，timestamp列应该显示为datetime64[ns, Asia/Kolkata]（因为+05:30对应的是印度时区），这就说明类型正确了。

必须保证时间范围的时区和数据列的时区完全一致，不然Pandas会抛出时区不匹配的错误。比如如果你想筛选2018-02-11 17:00到2018-02-12 06:00（+05:30时区）的数据，就这么定义：

# 定义起始和结束时间（带+05:30时区）
start_time = pd.to_datetime("2018-02-11 17:00:00+05:30")
end_time = pd.to_datetime("2018-02-12 06:00:00+05:30")

用布尔索引就能轻松筛选出时间范围内的行，两种写法都可以：

# 写法1：直接用布尔条件
filtered_df = df[(df["timestamp"] >= start_time) & (df["timestamp"] <= end_time)]

# 写法2：用loc（更清晰，推荐）
filtered_df = df.loc[(df["timestamp"] >= start_time) & (df["timestamp"] <= end_time)]

运行后filtered_df就会包含你要的时间范围内的所有数据条目了。

如果想筛选2018-02-12全天（+05:30时区）的数据，可以这么写：

# 定义当天的起始（00:00）和次日的起始（00:00）
start_day = pd.to_datetime("2018-02-12 00:00:00+05:30")
end_day = pd.to_datetime("2018-02-13 00:00:00+05:30")

# 筛选当天数据（注意用< end_day，避免包含次日00:00的条目）
filtered_day_df = df.loc[(df["timestamp"] >= start_day) & (df["timestamp"] < end_day)]

内容的提问来源于stack exchange，提问作者Souvik Ray