使用字符串切片过滤Pandas DataFrame时触发IndexingError问题

我来帮你搞定这个问题～首先你遇到的IndexingError是因为你用了df['DATE'][:-3]，这是对整个Series按行切片，取了前N-3行数据，而不是对每个日期字符串的末尾截掉3个字符。这样得到的Series长度和原DataFrame不一样，自然没法用来做布尔索引过滤啦。

不过还有个隐藏问题：你的DATE列格式是2017/11/28 14:19:58，截掉最后3位后是2017/11/28 14:19，但你的date变量格式是11/28/2017 14:19，年份和月日的顺序不一样，就算你改了切片方式，字符串也没法匹配上。下面给你两种靠谱的解决方法：

方法1：统一字符串格式后匹配 #

先把DATE列的字符串转换成和date变量一致的格式，再做切片比较：

# 先拆分DATE列的字符串，调整年、月、日的顺序，同时保留时分部分
df['DATE_formatted'] = df['DATE'].apply(lambda x: 
    f"{x.split('/')[1]}/{x.split('/')[2].split(' ')[0]}/{x.split('/')[0]} {x.split(' ')[1][:-3]}"
)
# 过滤匹配的行
df = df[df['DATE_formatted'] == date]

方法2：转换成datetime类型比较（推荐） #

字符串处理容易出格式问题，更稳妥的方式是把两边都转换成Pandas的datetime类型，然后只比较到分钟级别：

import pandas as pd

# 把DATE列转换成datetime类型
df['DATE_datetime'] = pd.to_datetime(df['DATE'])
# 把date变量也转换成datetime类型
date_datetime = pd.to_datetime(date)

# 简洁写法：将datetime列向下取整到分钟，再和目标时间匹配
df = df[df['DATE_datetime'].dt.floor('min') == date_datetime]

这种方法不用纠结字符串格式的差异，datetime类型会自动处理日期顺序问题，是处理时间匹配更可靠的方式。

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