基于np.datetime索引的单条数据检索失败，但范围检索正常

嘿，这个坑我之前踩过！你遇到的问题核心在于numpy datetime类型和Pandas默认的Timestamp类型（底层是datetime64[ns]）存在细微的类型不匹配，导致直接用索引值取数时Pandas没法精准匹配到对应的键。

为什么切片df[:t]能行，但df[t]不行？ #

• 切片操作时，Pandas会做宽松的范围判断，它能识别numpy datetime对象代表的时间边界，所以范围检索没问题；
• 但直接用方括号取单个索引值时，Pandas会严格校验索引的类型是否完全一致。numpy的datetime64对象和Pandas的Timestamp虽然表示的时间相同，但属于不同的类型实例，因此会触发KeyError。

两个简单的解决方案： #

方案1：统一索引为Pandas Timestamp类型（推荐）

把你的numpy datetime索引转换成Pandas原生的Timestamp类型，之后就能直接用索引值取值了：

import pandas as pd

# 转换索引类型
df.index = pd.to_datetime(df.index)

# 现在直接取值就正常了
for t in df.index.values:
    print(df[t])

方案2：每次取值时转换numpy datetime为Timestamp

如果不想修改原索引类型，每次取数前把遍历到的numpy datetime对象转换成Pandas Timestamp即可：

for t in df.index.values:
    print(df[pd.Timestamp(t)])

至于你用iloc能行的原因，是因为iloc是按位置索引取数，完全不关心索引的类型和值，只要位置正确就能拿到数据，但确实不如直接用时间索引方便，上面的方案能彻底解决这个麻烦。

内容的提问来源于stack exchange，提问作者A.L. Verminburger