如何过滤Pandas Series中2017年及以后的日期索引数据？

嘿，我来帮你搞定这个过滤需求！你已经通过frame['date_created'].value_counts().sort_index()得到了这样一个按日期索引排序的Series：

2013-10     1
2014-12     1
2015-02     1
2015-03     1
2015-09     1
2016-02     6
2016-03     1
2017-05     5
2017-07     2
2017-08    13
2017-09    40
2017-10    47
2017-11    40
2017-12    26
2018-01    16
dtype: int64

这里有两种实用的方法可以过滤出2017年及以后的数据：

方法一：基于字符串前缀筛选（适合索引为字符串类型） #

如果你的Series索引是YYYY-MM格式的字符串，可以直接通过判断索引的前缀来筛选：

# 先给你的Series起个方便的名字，比如date_counts
date_counts = frame['date_created'].value_counts().sort_index()
# 筛选2017及以后的条目
filtered_series = date_counts[date_counts.index.str.startswith('2017') | date_counts.index.str.startswith('2018')]

这种方法简单直接，适合当前你的数据范围，但如果后续有2019、2020等年份，需要手动补充条件。

方法二：转为Datetime类型筛选（更灵活严谨） #

推荐用这种方法，把索引转换成datetime类型后，就能用日期比较来筛选，扩展性更好：

date_counts = frame['date_created'].value_counts().sort_index()
# 临时转换索引为datetime进行判断（不修改原Series）
filtered_series = date_counts[pd.to_datetime(date_counts.index) >= '2017-01-01']

如果想永久修改索引类型，也可以这样做：

date_counts = frame['date_created'].value_counts().sort_index()
# 将索引转为datetime类型
date_counts.index = pd.to_datetime(date_counts.index)
# 筛选2017年及以后的数据
filtered_series = date_counts[date_counts.index >= '2017-01-01']

这种方法不管后续新增多少年份，都能自动匹配2017及以后的数据，逻辑更清晰。

内容的提问来源于stack exchange，提问作者Bejita