Pandas DataFrame：如何按Datetime索引中的年月获取列元素？

当然可以！你已经将DataFrame的索引设置为带freq='M'的DatetimeIndex，这让按年月定位数据变得非常便捷。下面是几种实用的实现方法：

方法1：直接使用字符串格式的年月/月末日期匹配 #

你可以直接传入目标年月的字符串（或精确的月末日期字符串），通过loc索引器获取对应数据：

• 获取2018年5月整行数据：

  df.loc['2018-05']
  

  输出结果会是：

  price    10.0
  debt      0.0
  Name: 2018-05-31 00:00:00, dtype: float64
  

• 精准获取2018年5月的price列值：

  df.loc['2018-05', 'price']
  

  输出：10.0

方法2：使用datetime对象匹配 #

如果你的业务逻辑中需要用datetime对象来指定日期，可以直接传入创建好的datetime实例：

import datetime

# 创建目标月末日期对象
target_date = datetime.datetime(2018, 6, 30)
# 获取对应行的debt列值
df.loc[target_date, 'debt']

输出：0.0

方法3：模糊匹配年月（无需指定月末日期） #

由于你的索引是月度频率（freq='M'），pandas支持模糊匹配年月字符串，不需要精确到具体日期：

# 获取2018年7月的debt列值
df.loc['2018-07', 'debt']

输出：10.0

额外提示 #

如果需要判断某个年月是否存在于索引中，可以用以下方式：

# 检查2018年8月是否存在
'2018-08' in df.index

返回False（因为你的数据里没有8月的记录），这样可以避免直接索引时抛出KeyError。

内容的提问来源于stack exchange，提问作者Axioms