使用Datetime索引切片Pandas DataFrame时丢失目标日期数据问题

我之前处理时间序列数据时也踩过类似的坑，结合你的DataFrame情况，大概率是这几个常见原因导致的，咱们逐个排查解决：

1. 先确认索引是否有序 #

Pandas的DatetimeIndex切片逻辑依赖索引是单调递增/递减的，如果你的索引是乱序的，切片结果会完全不符合预期。

先检查索引的单调性：

print(df.index.is_monotonic_increasing)

如果返回False，先对索引排序再切片：

df = df.sort_index()
sliced_df = df.loc['2017-12-27':'2018-01-15']

2. 切片的时间范围是否准确 #

你提到丢失目标日期数据，很可能是切片的结束时间设置不对。比如你用df.loc['2017-12-27':'2018-01-15']，Pandas会把'2018-01-15'默认解析为2018-01-15 00:00:00，这样当天21:30到21:55的数据自然会被排除在外。

解决方法有两种：

• 给结束时间加上具体时间：

  sliced_df = df.loc['2017-12-27':'2018-01-15 23:59:59']
  

• 或者把结束日期设为目标日期的下一天，Pandas切片是左闭右闭的，这样会包含目标日期的所有数据：

  sliced_df = df.loc['2017-12-27':'2018-01-16']
  

3. 时区不匹配问题 #

如果你的Timestamp索引带时区（比如df.index.tz不为None），但切片时用的是无时区的字符串，就会出现匹配失败的情况。

先检查索引时区：

print(df.index.tz)

如果有时区，切片时要用带对应时区的Timestamp对象：

start = pd.Timestamp('2017-12-27', tz=df.index.tz)
end = pd.Timestamp('2018-01-16', tz=df.index.tz)
sliced_df = df.loc[start:end]

4. 确认目标日期的数据是否真的存在 #

有时候不是切片的问题，而是你以为存在的时间点，DataFrame里本来就没有。比如你的数据是5分钟间隔，但可能中间有缺失（比如示例里2017-12-27 01:55到02:15之间缺了02:00、02:05、02:10的数据）。

可以生成预期的时间序列，对比你的索引找出缺失的时间点：

expected_times = pd.date_range(
    start='2017-12-27 01:50:00',
    end='2018-01-15 21:55:00',
    freq='5T'
)
missing_times = expected_times.difference(df.index)
print("缺失的时间点：", missing_times)

内容的提问来源于stack exchange，提问作者wi3o