Python 3.x 根据数据中的特定年份和月份从多个日期列中筛选行

对于给定的数据帧，如下所示：

   id  start_date    end_date
0   1   2014/5/26   2014/5/27
1   2   2014/6/27   2014/6/28
2   3   2014/7/20   2014/7/21
3   4   2014/9/12   2014/9/13
4   5  2014/10/10  2014/10/11
5   6   2020/3/20   2020/4/21
6   7   2020/4/10   2020/4/11
7   8   2020/4/15   2020/4/16
8   9   2020/3/23   2020/3/24
9  10    2020/4/6    2020/4/7

我想筛选

start\u date

或

end\u date

在

2020-02、2020-03、2020-04

范围内的行，感谢分享除我之外的其他可选解决方案

查找转发结果如下所示：

   id start_date   end_date
5   6 2020-03-20 2020-04-21
6   7 2020-04-10 2020-04-11
7   8 2020-04-15 2020-04-16
9  10 2020-04-06 2020-04-07

---

以下解决方案有效：

df[['start_date', 'end_date']] = df[['start_date', 'end_date']].applymap(lambda x: pd.to_datetime(x, format = '%Y/%m/%d'))
df.loc[((df['start_date'].dt.year == 2020) & (df['start_date'].dt.month==4)) | ((df['end_date'].dt.year == 2020) & (df['end_date'].dt.month==4))]

输出：

我认为按列处理更好，按元素处理更好：

df[['start_date', 'end_date']] = (df[['start_date', 'end_date']]
                                   .apply(lambda x: pd.to_datetime(x, format = '%Y/%m/%d')))

然后，用于过滤的时间段由以下人员使用：

可以使用按列循环的解决方案，如果列数更多，则解决方案更好：

c = ['start_date', 'end_date']
df[c] = df[c].apply(lambda x: pd.to_datetime(x, format = '%Y/%m/%d'))

df = df[np.logical_or.reduce([df[x].dt.to_period('m')== '2020-04' for x in c])]
print (df)
   id start_date   end_date
5   6 2020-03-20 2020-04-21
6   7 2020-04-10 2020-04-11
7   8 2020-04-15 2020-04-16
9  10 2020-04-06 2020-04-07

---

谢谢，如果我需要按多个月进行筛选，例如

2020-02、2020-03、2020-04

？我的解决方案需要添加太多代码。@ahbon-我认为这里应该使用

isin

，尝试

L=[pd.Period（'2020-03'）、pd.Period（'2020-05'）]df=（df[（df['start_date'].dt.to_Period（'m'）.isin（L））（df['end_date'].dt to_Period（'m'）.isin（L））

我使用

L=[pd.Period（'2019-10'）、pd.Period（'2019-11'）），pd.Period（'2019-12'）]

过滤2019年第四季度的数据，但8月份的数据在里面，有什么想法吗？@ahbon-我明白了，

isin

就像

或
，但你想要
和
。给我一些time@ahbon-但如果需要
和
则可以使用
df=df[np.logical_和.reduce（[（df['start_date'].dt.to_period（'m'）.eq（x））|（df['end_date'].dt.to_period（'m'）.eq（x））表示L中的x]）
df = (df[(df['start_date'].dt.to_period('m')== '2020-04') | 
         (df['end_date'].dt.to_period('m')== '2020-04')])
print (df)
   id start_date   end_date
5   6 2020-03-20 2020-04-21
6   7 2020-04-10 2020-04-11
7   8 2020-04-15 2020-04-16
9  10 2020-04-06 2020-04-07

c = ['start_date', 'end_date']
df[c] = df[c].apply(lambda x: pd.to_datetime(x, format = '%Y/%m/%d'))

df = df[np.logical_or.reduce([df[x].dt.to_period('m')== '2020-04' for x in c])]
print (df)
   id start_date   end_date
5   6 2020-03-20 2020-04-21
6   7 2020-04-10 2020-04-11
7   8 2020-04-15 2020-04-16
9  10 2020-04-06 2020-04-07