如何从DataFrame的DatetimeIndex中提取可迭代的日期字符串列表？

我有一个索引为DatetimeIndex的初始DataFrame df，数据如下：

discharge1  discharge2
datetime                                  
2018-04-25 18:37:00        5862        4427
2018-04-25 21:36:30        6421        4581
2018-04-25 22:13:00        5948        4779
2018-04-26 00:11:30        5703        4314
2018-04-26 02:27:00        4988        3868
2018-04-26 04:28:30        4812        3823
2018-04-26 06:22:30        4347        3672
2018-04-26 10:50:30        3896        3546
2018-04-26 12:04:30        3478        3557
2018-04-26 14:02:30        3625        3598
2018-04-26 15:31:30        3751        3606

我希望把这些日期转换为可迭代的列表/数组/序列，遍历它们并从另一个DataFrame df_other中获取对应行，追加到新DataFrame df_new中，预期的代码逻辑大致是：

for date in date_list():
    df_new = df_new.append(df_other.iloc[df_other.index.get_loc(date)])

理想的调用形式是像这样直接用字符串日期：

df_new.append(df_other.iloc[df_other.index.get_loc('2018-04-25 18:37:00')])

但我尝试用df.index获取日期时，返回的是DatetimeIndex，每个元素是Timestamp对象（比如display(df.index[0])返回Timestamp('2018-04-25 18:37:00')），导致append调用失败；用df.index.tolist()得到的仍是Timestamp对象组成的列表，无法满足需求，请问该如何解决？

方法1：把Timestamp转成匹配的字符串格式 #

这是最直接适配你需求的方式——把DatetimeIndex里的每个时间戳转换成和你示例里一样的字符串格式，这样就能直接和df_other的索引字符串对应上了：

# 生成符合格式的字符串列表
date_list = df.index.strftime('%Y-%m-%d %H:%M:%S').tolist()

# 然后遍历操作
df_new = pd.DataFrame()
for date in date_list:
    try:
        # 直接用loc按索引取值，比iloc+get_loc更简洁
        df_new = df_new.append(df_other.loc[date])
    except KeyError:
        # 可以加个异常处理，避免找不到日期时崩溃
        print(f"提醒：日期{date}在df_other里找不到哦")

方法2：直接用Timestamp对象匹配（前提是df_other索引也是DatetimeIndex） #

其实你之前的问题可能是因为df_other的索引不是DatetimeIndex？如果df_other的索引也是时间戳类型，那完全不用转字符串，直接遍历df.index就行：

df_new = pd.DataFrame()
for date in df.index:
    try:
        df_new = df_new.append(df_other.loc[date])
    except KeyError:
        print(f"日期{date}不存在于df_other中")

Timestamp对象和DatetimeIndex是天然兼容的，直接用loc就能定位到对应行。

方法3：用批量操作替代循环（强烈推荐） #

循环append在数据量稍大的时候会特别慢，pandas本身就支持批量索引，一行代码就能搞定所有操作：

# 如果df_other是DatetimeIndex索引
df_new = df_other.loc[df.index]

# 如果df_other是字符串索引，先转df的索引为字符串
df_new = df_other.loc[df.index.strftime('%Y-%m-%d %H:%M:%S')]

要是有部分日期在df_other里不存在，结果里会出现NaN，你可以用df_new = df_new.dropna()把这些无效行删掉，比循环高效太多了！

内容的提问来源于stack exchange，提问作者Johan R