如何用Python按指定日期范围拆分DataFrame为训练集与测试集

没问题，这是时间序列建模里非常常见的需求，刚好你的日期字段已经是date对象类型，处理起来很直接，我给你一步步来：

首先要提个小细节：你写的2018年2月31日是不存在的哦，2018年不是闰年，2月只有28天，我下面的代码会用2018-02-28作为训练集的结束日期，避免报错~

具体实现代码 #

import pandas as pd
from datetime import date

# 假设你的DataFrame名为df，日期字段是'date'（如果字段名不同，替换成你的实际字段名）
# 定义训练集和测试集的日期边界
train_start = date(2016, 3, 1)
train_end = date(2018, 2, 28)  # 修正了2月的错误日期
test_start = date(2018, 3, 1)
test_end = date(2018, 3, 31)

# 用布尔索引拆分训练集
train_df = df[(df['date'] >= train_start) & (df['date'] <= train_end)]

# 拆分测试集
test_df = df[(df['date'] >= test_start) & (df['date'] <= test_end)]

关键说明 #

• 因为你的日期字段是Python原生的date对象类型，所以直接和datetime.date实例做比较完全兼容，不需要额外做格式转换，非常省心。
• 如果之后你需要把日期字段转换成pandas的datetime64类型（有时候做时间序列分析更方便），只需要把日期边界换成pd.Timestamp就行，逻辑是一样的：

  train_start = pd.Timestamp('2016-03-01')
  train_end = pd.Timestamp('2018-02-28')
  

验证拆分结果 #

拆分完之后可以简单验证一下范围是否正确：

print("训练集日期范围：", train_df['date'].min(), "→", train_df['date'].max())
print("测试集日期范围：", test_df['date'].min(), "→", test_df['date'].max())

这样就能确保训练集和测试集完全符合你想要的时间范围啦！

内容的提问来源于stack exchange，提问作者Ann