使用DatetimeIndex标签列表进行Pandas切片失败问题咨询

我来帮你搞定这个时间索引切片的问题！你之前的代码有两个核心问题：一是pd.date_range语句没写完，二是没有把生成的日期序列设置为DataFrame的索引，这才导致用DatetimeIndex切片失败。下面一步步修正并演示正确操作：

第一步：补全代码并设置DatetimeIndex #

首先我们要完整生成2017年的月度日期序列，然后把它绑定为DataFrame的索引，这样数据就有了可用于时间切片的标签：

import pandas as pd

# 初始化气温数据
tavg = pd.Series([55.8, 57.2, 61.0, 63.6, 63.3, 66.7, 71.7, 72.0, 71.5, 71.5, 65.6, 61.4])
tmax = pd.Series([62.7, 62.6, 69.3, 71.9, 69.4, 72.6, 77.5, 77.3, 78.5, 80.4, 73.7, 72.4])
tmin = pd.Series([48.8, 51.8, 52.8, 55.4, 57.1, 60.9, 65.8, 66.8, 64.6, 62.5, 57.3, 50.3])

# 创建DataFrame并直接指定时间索引（更简洁的写法）
dates = pd.date_range(start='2017-01-01', periods=12, freq='M')  # freq='M'表示每月最后一天
temp_df = pd.DataFrame({
    'TAVG': tavg,
    'TMIN': tmin,
    'TMAX': tmax
}, index=dates)

此时查看temp_df，每行都会对应2017年的月度日期索引：

TAVG  TMIN  TMAX
2017-01-31  55.8  48.8  62.7
2017-02-28  57.2  51.8  62.6
...
2017-12-31  61.4  50.3  72.4

第二步：用DatetimeIndex进行切片操作 #

现在可以用多种方式对时间序列做切片，举几个常用场景：

1. 按日期范围快速切片 #

# 获取2017年春季度（3-5月）的数据
spring_data = temp_df['2017-03':'2017-05']
print(spring_data)

2. 按月份/年份筛选 #

# 获取所有7月份的数据（这里仅2017年7月）
july_data = temp_df[temp_df.index.month == 7]

# 获取2017年下半年（7-12月）的数据
second_half = temp_df['2017-07':'2017-12']

3. 用loc精确获取单行/多行 #

# 获取2017年8月的气温数据
august_data = temp_df.loc['2017-08-31']

为什么之前切片失败？ #

原代码仅生成了dates变量，但没有把它赋值给temp_df.index，所以DataFrame默认使用的是0-11的整数索引，自然无法识别Datetime格式的切片条件啦。

内容的提问来源于stack exchange，提问作者N1B4