Python 获取与日期匹配的数据帧行

假设我有以下数据帧：

df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
                   'cost': [10, 5, 9],
                   'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

print(df.set_index('date')['2017-10':'2017-11'])

我能够获得2017-10年<代码>中的所有项目（本例中只有一项）：

根据and，我应该能够使用以下命令获取从

2017-10

到

2017-11

（本例中为2项）的所有项目，但我得到的是一个空数据框：

df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
                   'cost': [10, 5, 9],
                   'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

print(df.set_index('date')['2017-10':'2017-11'])

知道我在这里做错了什么吗（我使用的是pandas版本

0.21.0

）

此外，是否有一种有效的方法可以获取

2017-10

和

2017-12

（跳过

2017-11

）中的所有项目？我提出了以下解决方案，但我不必像这样创建新的列：

df['month'] = df['date'].dt.month
df['year'] = df['date'].dt.year
print(df[((df.month==10) & (df.year==2017) | (df.month==12) & (df.year==2017))])

---

我颠倒了搜索项目的顺序，因此：

import pandas as pd 

df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
                   'cost': [10, 5, 9],
                   'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

print(df.set_index('date')['2017-11':'2017-10'])

对于你的“约会”，它从高到低。通过切换它们，我得到了以下输出：

            cost      item
date                      
2017-11-01     5     Pasta
2017-10-01     9  Chipotle

---

我颠倒了搜索项目的顺序，因此：

import pandas as pd 

df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
                   'cost': [10, 5, 9],
                   'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

print(df.set_index('date')['2017-11':'2017-10'])

对于你的“约会”，它从高到低。通过切换它们，我得到了以下输出：

            cost      item
date                      
2017-11-01     5     Pasta
2017-10-01     9  Chipotle

首先将

set_index（）

与

DatetimeIndex

一起使用。然后你可以使用你想要的索引方法

df.set_index(pd.DatetimeIndex(df.date), inplace=True)

df.sort_index().loc['2017-10':'2017-11']

            cost       date      item
date                                 
2017-10-01     9 2017-10-01  Chipotle
2017-11-01     5 2017-11-01     Pasta

关于第二个问题，您还可以在拥有

DatetimeIndex

后访问

month

属性

df.loc[df.index.month.isin([10,12])]

            cost       date      item
date                                 
2017-12-01    10 2017-12-01    Subway
2017-10-01     9 2017-10-01  Chipotle

（对于第二部分，也要按年份进行索引，请添加

&df.index.year==2017

）

首先使用

设置索引（）

和

日期时间索引

。然后你可以使用你想要的索引方法

df.set_index(pd.DatetimeIndex(df.date), inplace=True)

df.sort_index().loc['2017-10':'2017-11']

            cost       date      item
date                                 
2017-10-01     9 2017-10-01  Chipotle
2017-11-01     5 2017-11-01     Pasta

关于第二个问题，您还可以在拥有

DatetimeIndex

后访问

month

属性

df.loc[df.index.month.isin([10,12])]

            cost       date      item
date                                 
2017-12-01    10 2017-12-01    Subway
2017-10-01     9 2017-10-01  Chipotle

---

（对于第二部分，要按年份进行索引，请添加

&df.index.year==2017

）

另一种方法可能是使用布尔索引

这里提供的语句必须为true才能返回行

关于你的第二个问题，这将是：

df_October_and_December = df.ix[((df['date'] >= '2017-10-01') & (df['date'] <= '2017-10-31')) | ((df['date'] >= '2017-12-01') & (df['date'] <= '2017-12-31')) ,:]

---

鉴于.ix的灵活性，我倾向于使用.ix引用，如果应用程序允许，我会将其细化为.loc或.iloc。

另一种方法可能是使用布尔索引

这里提供的语句必须为true才能返回行

关于你的第二个问题，这将是：

df_October_and_December = df.ix[((df['date'] >= '2017-10-01') & (df['date'] <= '2017-10-31')) | ((df['date'] >= '2017-12-01') & (df['date'] <= '2017-12-31')) ,:]

---

鉴于.ix的灵活性，我倾向于使用.ix引用，如果应用程序允许，我会将其细化为.loc或.iloc。

这回答了我的第一个问题，谢谢！对第二个问题有什么想法吗？在这里找到了我第二个问题的答案：真棒，很高兴能帮忙！这回答了我的第一个问题谢谢！对第二个问题有什么想法吗？在这里找到了我第二个问题的答案：真棒，很高兴能帮忙！请注意，

.ix

是因为

0.20.1

。是的，作为IMO，我更多地使用它进行开发，它对于混合整数和字符串引用更具可读性。loc和.iloc是推荐用于生产的选项。请注意，

.ix

是因为

0.20.1

。是的，作为IMO，我更多地使用它进行开发，它对于混合整数和字符串引用更具可读性。loc和.iloc是推荐的生产选项。