我有一个熊猫DataFrame与“日期”列。现在我需要过滤掉DataFrame中日期在未来两个月之外的所有行。实际上，我只需要保留接下来两个月内的行。
实现这一目标的最佳方式是什么?
当前回答
我还不允许写评论，所以我会写一个答案，如果有人读了所有的评论，并找到了这个。
如果数据集的索引是一个日期时间，并且您想仅通过(例如)月份过滤它，您可以执行以下操作:
df.loc[df.index.month == 3]
它将在3月份为您过滤数据集。
其他回答
如果date列是索引，则使用.loc进行基于标签的索引，或使用.iloc进行位置索引。
例如:
df.loc['2014-01-01':'2014-02-01']
详情见这里http://pandas.pydata.org/pandas-docs/stable/dsintro.html#indexing-selection
如果列不是索引，你有两个选择:
将其作为索引(如果是时间序列数据，可以是临时索引，也可以是永久索引) df [(df(“日期”)> 2013-01-01)& (df(“日期”)< ' 2013-02-01 '))
请看这里的一般解释
注意:.ix已弃用。
如果你的日期是通过导入datetime包来标准化的，你可以简单地使用:
df[(df['date']>datetime.date(2016,1,1)) & (df['date']<datetime.date(2016,3,1))]
使用datetime包来标准化你的日期字符串，你可以使用这个函数:
import datetime
datetime.datetime.strptime
如果日期在索引中，则简单地:
df['20160101':'20160301']
根据我的经验，前面的答案是不正确的，你不能传递一个简单的字符串，需要一个datetime对象。所以:
import datetime
df.loc[datetime.date(year=2014,month=1,day=1):datetime.date(year=2014,month=2,day=1)]
如果您的datetime列具有Pandas datetime类型(例如datetime64[ns])，为了进行适当的过滤，您需要pd。时间戳对象，例如:
from datetime import date
import pandas as pd
value_to_check = pd.Timestamp(date.today().year, 1, 1)
filter_mask = df['date_column'] < value_to_check
filtered_df = df[filter_mask]
