4. 时间序列的切片与筛选

在 Pandas 中，时间索引（DatetimeIndex）一旦建立，就获得了比普通整数索引更丰富的切片能力。本节围绕三类最常用的筛选方式展开：基于时间标签的切片、基于布尔条件的区间筛选，以及按“每日时段”筛选的 between_time 与 at_time。最后用一个分钟级交易数据的实战任务，把这三类方法串起来，完成“提取开盘时段与收盘时段”的目标。

一、标签切片：df['2023-01':'2023-06'] 为什么能工作

当 DataFrame 的索引是 DatetimeIndex 且已排序时，Pandas 允许直接用日期字符串做切片。写法 df['2023-01':'2023-06'] 的含义是：从 2023-01-01 00:00:00 起，到 2023-06-30 23:59:59.999… 止（即 6 月整月）。这里有两个关键点需要先明确：

• 左闭右闭：与普通 Python 切片 [a:b] 的左闭右开不同，时间标签切片两端都包含。写 '2023-01':'2023-06' 会包含 6 月的全部数据。
• 部分字符串解析：只写年月时，Pandas 会自动补全为该月第一天的 00:00:00 作为起点、该月最后时刻作为终点。写 '2023-01-15' 则精确到当天。

切片能否生效，取决于索引是否单调递增。如果数据是乱序的，切片可能返回空结果或报错。因此实操第一步通常是 df = df.sort_index()。此外，若索引不是 DatetimeIndex，而是字符串列，则不能直接切片，需要先 pd.to_datetime 转换并 set_index。

import pandas as pd

# 假设 df 已按时间升序、索引为 DatetimeIndex
part = df['2023-01':'2023-06']          # 1 月至 6 月，两端都含
one_day = df['2023-03-15']              # 仅 3 月 15 日当天
precise = df['2023-03-15 09:30':'2023-03-15 11:30']  # 精确到分钟

标签切片适合“已知明确起止时间”的场景，写法简洁、可读性强。但它对索引有序性有要求，且不能表达“每天固定时段”这类循环条件——这正是后面两种方法要解决的问题。

二、布尔索引：表达任意时间条件

当筛选条件不是简单的连续区间，而是“某段时间内且满足其他条件”时，布尔索引更灵活。核心是把时间条件写成返回布尔 Series 的表达式，再用它做行选择。

mask = (df.index >= '2023-03-01') & (df.index < '2023-04-01')
march = df[mask]

# 组合业务条件：3 月内成交量大于 10000 的记录
march_big = df[mask & (df['volume'] > 10000)]

注意两点：一是多个条件必须用 &、| 并用括号包裹，不能用 and/or；二是比较时字符串会自动与时间戳比较，但为稳妥可显式写 pd.Timestamp('2023-03-01')。布尔索引的优势是条件可任意组合，劣势是写法比切片啰嗦，且每次都要构造完整布尔数组。

三、按每日时段筛选：between_time 与 at_time

金融、运维、日志类数据常需要“每天固定时段”的数据，例如每天 09:30–11:30 的交易。此时用日期切片无法表达，因为它是跨多天、每天重复的时段。Pandas 提供了两个专用方法：

• df.between_time('09:30', '11:30')：保留每天该时段内的所有行，两端默认都包含。
• df.at_time('09:30')：只保留每天恰好等于该时刻的行，常用于取开盘瞬间快照。

这两个方法只关心“时间部分”，忽略日期，因此要求索引为 DatetimeIndex。它们还支持 inclusive 参数控制端点是否包含，以及跨午夜时段（如 '22:00' 到 '02:00'）的写法。与布尔索引相比，它们语义更清晰、代码更短，是“每日时段”场景的首选。

四、实战：从分钟级交易数据提取开盘与收盘时段

假设我们有一份 A 股某股票的分钟级成交数据，字段为 open, high, low, close, volume，索引为交易日的分钟时间戳，已按时间升序排列。A 股连续竞价时段为 09:30–11:30 和 13:00–15:00。任务要求：分别提取“开盘时段”（09:30–10:00）与“收盘时段”（14:30–15:00）的数据，并统计各自成交量。

import pandas as pd

# 1. 确保索引为 DatetimeIndex 且有序
df.index = pd.to_datetime(df.index)
df = df.sort_index()

# 2. 开盘时段：每天 09:30–10:00
open_period = df.between_time('09:30', '10:00')

# 3. 收盘时段：每天 14:30–15:00
close_period = df.between_time('14:30', '15:00')

# 4. 分别统计成交量
open_vol = open_period['volume'].sum()
close_vol = close_period['volume'].sum()

# 5. 取每天开盘第一分钟快照
open_snapshot = df.at_time('09:30')

执行后应如何判断结果是否正确？可以从三个角度检查：其一，open_period.index.time 的唯一值应全部落在 09:30–10:00 之间；其二，若数据覆盖 N 个交易日，open_snapshot 的行数应等于 N（每天恰好一条 09:30 记录，除非该日停牌或缺数据）；其三，open_vol 与 close_vol 应小于全量成交量之和，且两者之和不应超过总量。若 at_time 返回行数明显少于交易日数，说明数据存在缺失分钟，需要回到数据清洗环节排查。

五、方法选择与常见陷阱

三类方法并非互斥，实际工作中常组合使用。选择依据可以概括为：连续日期区间用标签切片，复杂条件用布尔索引，每日固定时段用 between_time/at_time。若既要“某月”又要“每日某时段”，可先切片再 between_time，例如 df['2023-03'].between_time('09:30','10:00')。

常见陷阱包括：索引未排序导致切片结果异常；用 and 连接布尔条件报错；把 at_time 当成区间筛选（它只取单点）；以及忽略时区——若索引带时区，between_time 的比较会按索引时区进行，跨时区数据需先统一。掌握这些边界，才能让时间筛选既写得短，又筛得准。