如何用Pandas筛选并打印DataFrame中指定时间区间的行？

嘿，这个问题我之前处理过不少！你现在的代码只能匹配单个时间点，要筛选整个2013年的时间区间，得先把时间列处理成正确的类型，再用合适的筛选方法，具体步骤如下：

第一步：确保时间列是datetime类型 #

首先检查你的localhour列是不是datetime格式——如果它现在是字符串（object类型），直接做区间比较可能会出问题（比如字符串排序逻辑和时间排序不一致）。你可以用下面的代码转换：

import pandas as pd

# 转换为datetime类型，如果有特殊格式可以指定format参数，比如format='%Y-%m-%d %H:%M:%S'
df['localhour'] = pd.to_datetime(df['localhour'])

# 可以用这个命令确认类型：print(df['localhour'].dtype)，输出应该是datetime64[ns]之类的

第二步：筛选时间区间 #

有三种常用的方法，选你觉得顺手的就行：

方法1：布尔索引（最直观） #

直接用大于等于起始时间、小于等于结束时间的条件组合，注意：每个条件必须用括号括起来，并且要用&（元素级逻辑与）而不是Python原生的and，否则会报错！

start = '2013-01-01 00:00:00'
end = '2013-12-31 00:00:00'

filtered_df = df.loc[(df['localhour'] >= start) & (df['localhour'] <= end)]
print(filtered_df)

方法2：用between()方法（更简洁） #

pandas的between()方法可以直接帮你处理区间判断，代码更干净，自动处理了>=和<=的逻辑：

filtered_df = df.loc[df['localhour'].between(start, end)]
print(filtered_df)

方法3：设置时间索引后切片（适合大数据集） #

如果你的DataFrame后续还要做很多时间相关操作，可以把localhour设为索引，然后用切片语法快速筛选，效率更高：

# 设置时间索引
df = df.set_index('localhour')
# 直接用索引切片筛选区间
filtered_df = df.loc['2013-01-01 00:00:00':'2013-12-31 00:00:00']
print(filtered_df)

# 如果之后需要恢复原来的索引，可以用：df = df.reset_index()

另外补充个小细节：如果你的结束时间是2013-12-31 00:00:00，那这个时间点之后的2013年12月31日的其他时间（比如2013-12-31 12:00:00）不会被包含进去。如果想覆盖整个2013年的所有数据，可以把结束时间设为2014-01-01 00:00:00，然后用<代替<=，这样就能包含2013年的最后一秒啦。

内容的提问来源于stack exchange，提问作者jaayjoo