为何取消注释pandas的sort_index()后字符串索引选择会抛出KeyError？

我来帮你拆解这个问题的核心逻辑，以及对应的解决办法：

为什么取消sort_index()注释后会抛出KeyError？ #

这本质是Pandas对排序前后的DatetimeIndex采用了完全不同的字符串索引逻辑：

• 未排序的DatetimeIndex：当你用ts['2018-05-21']时，Pandas会自动把字符串转成datetime.datetime(2018,5,21)，然后在索引里做精确值匹配——因为你的索引里确实有这个日期，所以能成功返回对应行。但这种未排序的索引不支持时间范围切片（比如ts['2018-05-21':]），因为切片要求索引是单调有序的。
• 排序后的DatetimeIndex：Pandas会切换到时间区间/部分字符串匹配的模式。这时候直接用ts['2018-05-21']，Pandas可能会把它解析成「从该日期开始到末尾的切片」，但在某些旧版本的Pandas中，这种单字符串的写法会触发解析歧义，导致无法匹配到精确的索引标签，最终抛出KeyError。

解决办法：用.loc明确指定精确标签匹配 #

如果你既想排序索引以支持时间范围切片，又能精确获取单个日期的行，只需要用.loc来明确告诉Pandas你要做精确标签匹配，而不是切片或部分匹配：

import datetime
import pandas as pd
df = pd.DataFrame({
    'x': [2, 1, 3],
    'd': [
        datetime.datetime(2018, 5, 21),
        datetime.datetime(2018, 5, 20),
        datetime.datetime(2018, 5, 22)
    ]
})
ts = df.set_index('d')
ts = ts.sort_index()

# 精确获取单个日期的行（不会再KeyError）
print(ts.loc['2018-05-21'])

# 正常使用时间范围切片
print(ts['2018-05-21':])

额外小技巧 #

排序后的DatetimeIndex还支持更灵活的时间筛选：

• ts['2018-05']：获取2018年5月的所有行
• ts['2018']：获取2018年全年的行
• ts['2018-05-20':'2018-05-21']：获取指定日期区间的行

这些都是未排序索引无法实现的功能。

内容的提问来源于stack exchange，提问作者gduverger