出于这样或那样的原因，我想使用pd.date_range 生成的日期来分割数据帧
test=pd.DataFrame(index=pd.date_range(start='2020-01-01',end='2020-06-30',freq='6h'))
test['A']=range(0,len(test),1)
split_list=pd.date_range(start='2020-01-01',end='2020-06-30',freq='m')
display(split_list)
display(test.loc[:'2020-01-31'])
display(test.loc[:split_list[0]])
我本以为这两种方法都会得到相同的结果，但正如你在下面看到的，尽管第一个值显示为"2020-01-31"，但实际上它被视为"2020:01-31 00:00:00"，导致3个值缺失。
结果
这种行为是故意的吗？
感谢您的帮助！
事实上，这就是预期的行为。"；视觉返回"；作为日期，因为您在构造pd.date_range时选择了一个高于或等于一天的频率，并且没有特殊时区，但是基本值是Timestamp。
在第一种情况下，当您直接通过日期时间的字符串表示(例如"2020-01-31"(进行切片时，Pandas使用它所称的"；部分字符串索引"；，这本质上是Pandas内置的一种便利，允许您只按特定的年份、月份或日期进行筛选，即使索引是一个完整的DatetimeIndex(在您的情况下，它是(。正如您在链接文档中所看到的，如果您以以下方式进行切片，您将包括最后日期的所有时间戳(行/索引值(：
dft['2013-1':'2013-2-28'] # example from documentation
"这指定了一个停止时间，包括最后一天的所有时间"->>2013年1月至2013年2月28日最后一个时间戳的所有时间戳都将包含在选择中。
另一方面，在第二种情况(display(test.loc[:split_list[0]])(中，实际上为切片的结束指定了一个非常具体的时间戳。此时间戳为'2020-01-31 00:00:00'，即1月31日的午夜(最早时间(。这意味着该日期的剩余时间戳将被排除在外。
另一种演示方式是使用索引本身进行切片：
## PARTIAL STRING INDEXING
test.loc[:'2020-01-01']
#output
A
2020-01-01 00:00:00 0
2020-01-01 06:00:00 1
2020-01-01 12:00:00 2
2020-01-01 18:00:00 3
## STRICT DATETIME INDEXING
test.loc[:test.index[0]]
# output
A
2020-01-01 0
这里发生的情况是，在test.loc[:'2020-01-01']中，'2020-01-01'被解释为日期的字符串表示，而不是日期时间。由于上述Pandas约定，它将筛选所有日期的索引，直到日期'2020-01-01'。因此，您不会丢失该日期中的任何时间戳。
另一方面，test.loc[:test.index[0]]与test.index[0]进行比较，后者恰好等于时间戳Timestamp('2020-01-01 00:00:00', freq='6H')。这意味着切片会说"；在索引中查找直到时间戳"2020-01-01 00:00:00"(包括该时间戳(的所有日期时间。这意味着1月1日将只选择这一个时间戳。该日期的其他时间戳都发生在午夜之后(请注意，午夜是一天中最早的时间，而不是最晚的时间(。
最后，关于表示：如注释中所述，split_list在您的情况下实际上是DatetimeIndex，因此，尽管当您打印它时，您只看到日期的字符串表示，但它由时间组成。你可以通过打印第一个来看到这一点，例如：
split_list
#output
Timestamp('2020-01-31 00:00:00', freq='M')
由于这是一个频率高于或等于一天的日期范围，因此它将打印为日期，而不是时间戳。