Python 切片多索引时间(第一级)类型错误:'<';在';int';和';切片';

Python 切片多索引时间(第一级)类型错误:'<';在';int';和';切片';,python,pandas,indexing,slice,Python,Pandas,Indexing,Slice,我有以下带有日期时间索引('Date')的Panda DataFrame df 如果我想找到2019年2月以后的所有值,我知道我可以: df.loc['02-2019':] 现在让我们假设我使用索引=['Date'、'Location'、'CP']制作df多重索引(数据透视和标记) df= Amount Date Location CP

我有以下带有日期时间索引('Date')的Panda DataFrame df

如果我想找到2019年2月以后的所有值,我知道我可以:

df.loc['02-2019':]
现在让我们假设我使用索引=['Date'、'Location'、'CP']制作df多重索引(数据透视和标记)

df=
                               Amount  
Date       Location CP                                                     
2019-02-13 Chicago  Bob         -10.0            
           LA       Marina      -25.0       
                    Bob         -25.0              
2019-02-14 Chicago  Addison     -10.0       
当我尝试做同样的事情时 df.loc['02-2019':]

我得到以下错误

TypeError: '<' not supported between instances of 'int' and 'slice'
并获得相同的结果——但有没有一种方法可以在月/年上进行类似于单一指数的时间切片? 比如


切片与
字符串
一起工作的事实确实很方便。如果失败,请返回使用
datetime64
进行切片,在不存在的日期和月份中添加1:

import pandas as pd

s = '2019'
df.loc[pd.to_datetime(s):]

#                             Amount
#Date       Location CP             
#2019-02-13 Chicago  Bob       -10.0
#           LA       Bob       -25.0
#                    Marina    -25.0
#2019-02-14 Chicago  Addison   -10.0

s = '02-2019'
df.loc[pd.to_datetime(s):]

#                             Amount
#Date       Location CP             
#2019-02-13 Chicago  Bob       -10.0
#           LA       Bob       -25.0
#                    Marina    -25.0
#2019-02-14 Chicago  Addison   -10.0
df.loc['02-13-2019':]
df.loc['2019':]
df.loc['02-2019':]
import pandas as pd

s = '2019'
df.loc[pd.to_datetime(s):]

#                             Amount
#Date       Location CP             
#2019-02-13 Chicago  Bob       -10.0
#           LA       Bob       -25.0
#                    Marina    -25.0
#2019-02-14 Chicago  Addison   -10.0

s = '02-2019'
df.loc[pd.to_datetime(s):]

#                             Amount
#Date       Location CP             
#2019-02-13 Chicago  Bob       -10.0
#           LA       Bob       -25.0
#                    Marina    -25.0
#2019-02-14 Chicago  Addison   -10.0