如何筛选Pandas DataFrame中两个时间点之间的行？.loc无返回怎么办？

嘿，我来帮你捋清楚问题出在哪，以及怎么解决！你的代码没返回数据，主要是两个关键环节没做好：

问题根源 #

1. 日期列没被解析为datetime类型：Pandas读取CSV时，默认会把像2018-01-01 09:00:00这样的字符串当成普通文本，而不是可识别的时间格式，自然没法按时间筛选。
2. 没把日期列设为索引：你用loc['时间1':'时间2']的时候，Pandas是在默认的整数行索引（0、1、2...）上找标签，根本不是在时间列上操作，所以肯定找不到匹配的内容。

修正后的代码（最优方案） #

先正确读取数据，解析日期并设置为索引，然后用loc切片就没问题了：

import pandas as pd

col_names = ['date','msft','nok','aapl','ibm','amzn']
# 读取时指定解析日期列，并设为索引
stockprices = pd.read_csv(
    './stockdata.csv',
    skiprows=1,
    names=col_names,
    parse_dates=['date'],  # 自动把date列转成datetime类型
    index_col='date'       # 将date列设置为DataFrame的索引
)

# 现在可以直接用时间范围切片
filtered_data = stockprices.loc['2018-01-01 09:00:00':'2018-01-01 11:00:00']
print(filtered_data)

运行这段代码，就能得到你想要的9:00、10:00、11:00这三行数据了。

关于.loc是否是最佳方法？ #

绝对是！当你的DataFrame用datetime类型做索引时，loc的时间切片语法非常直观，而且效率很高——不仅支持精确的时分秒范围，还能灵活处理更大的时间粒度（比如'2018-01':'2018-02'筛选整个1月到2月的数据）。

如果你不想把日期列设为索引，也可以用布尔索引的方式实现，但可读性和便捷性不如前者：

# 不设索引的替代方案
stockprices = pd.read_csv(
    './stockdata.csv',
    skiprows=1,
    names=col_names,
    parse_dates=['date']
)
filtered_data = stockprices[stockprices['date'].between('2018-01-01 09:00:00', '2018-01-01 11:00:00')]

关键总结 #

• 一定要确保日期列是datetime类型，要么读取时用parse_dates，要么事后用pd.to_datetime(stockprices['date'])转换。
• 用datetime索引配合.loc时间切片，是处理时间范围筛选的最优方案之一。

内容的提问来源于stack exchange，提问作者Ann Kriebel