Pandas 基于数据帧的子集划分

我有一个日期列，它在转换为datetime后如下所示：

 data['date']=pd.to_datetime(data[date])
 2018-07-20 00:00:00

当我尝试使用此子集时：

 beg = datetime.datetime.strptime('2018-07-20', '%Y-%m-%d')
 end = datetime.datetime.strptime('2018-07-25', '%Y-%m-%d')
 data = data.loc[(data['date']>=beg) & (data['date']<=end)]

beg=datetime.datetime.strtime（'2018-07-20'，'%Y-%m-%d'））
end=datetime.datetime.strtime（'2018-07-25'，'%Y-%m-%d'）
data=data.loc[（data['date']>=beg）和（data['date']一种解决方案是将该日期移动到数据帧索引中

MCVE：

输出：

             0
2010-05-16   3
2010-06-30   4
2010-08-14   5
2010-09-28   6
2010-11-12   7
2010-12-27   8
2011-02-10   9
2011-03-27  10
2011-05-11  11
2011-06-25  12
2011-08-09  13
2011-09-23  14
2011-11-07  15
2011-12-22  16
2012-02-05  17
2012-03-21  18
2012-05-05  19
2012-06-19  20
2012-08-03  21
2012-09-17  22
2012-11-01  23
2012-12-16  24
2013-01-30  25
2013-03-16  26
2013-04-30  27
2013-06-14  28
2013-07-29  29
2013-09-12  30
2013-10-27  31

你能把
df.columns
打印到这个问题上吗这是一个非常大的数据集，所以df.columns会打印出很多变量名。“date”就在里面，不过这是值得的。我猜其中不止一个是
date
，这就是为什么你应该看它的原因。啊，我明白了。我只检查一个“date”列啊，有趣的解决方案。我但是出于其他目的，我需要索引（我想我可以将当前索引转换为变量）。
             0
2010-05-16   3
2010-06-30   4
2010-08-14   5
2010-09-28   6
2010-11-12   7
2010-12-27   8
2011-02-10   9
2011-03-27  10
2011-05-11  11
2011-06-25  12
2011-08-09  13
2011-09-23  14
2011-11-07  15
2011-12-22  16
2012-02-05  17
2012-03-21  18
2012-05-05  19
2012-06-19  20
2012-08-03  21
2012-09-17  22
2012-11-01  23
2012-12-16  24
2013-01-30  25
2013-03-16  26
2013-04-30  27
2013-06-14  28
2013-07-29  29
2013-09-12  30
2013-10-27  31