pandas中DataFrame利用loc截取部分数据，end_date和start_date

最新推荐文章于 2025-06-08 00:15:00 发布

原创最新推荐文章于 2025-06-08 00:15:00 发布 · 5.5k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #dataframe

python 专栏收录该内容

11 篇文章

订阅专栏

本文介绍了一种在Python中使用pandas库处理股票历史数据的技巧，特别关注于如何正确地切片DataFrame以获取指定日期范围内的数据。通过实例演示了当数据按日期逆序排列时，应如何调整切片操作以避免返回空数据帧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

def attribute_daterange_history(security,start_date,end_date,fields=('open','close','high','low')):
        daily = pro.daily(ts_code=security)
        daily.to_csv(security+'.csv')
        daily_cal = pd.read_csv(security+'.csv',index_col='trade_date')
        daily_cal = daily_cal.loc[end_date:start_date,['open','close','high','low']]
        return daily_cal
print(attribute_daterange_history('000001.SZ',20181120,20181130))

其中daily_cal = daily_cal.loc[end_date:start_date,['open','close','high','low']]，红字部分如果替换成start_date:end_date就会报错。

daily_cal = daily_cal.loc[end_date:start_date,['open','close','high','low']]运行结果：

             open  close   high    low
trade_date                            
20181130    10.22  10.36  10.36  10.17
20181129    10.35  10.20  10.39  10.19
20181128    10.17  10.28  10.31  10.16
20181127    10.35  10.18  10.39  10.16
20181126    10.34  10.34  10.46  10.30
20181123    10.53  10.32  10.58  10.31
20181122    10.67  10.55  10.67  10.48
20181121    10.50  10.61  10.67  10.48
20181120    10.75  10.57  10.80  10.52

daily_cal = daily_cal.loc[start_date:end_date,['open','close','high','low']]，运行结果为：

Empty DataFrame
Columns: [open, close, high, low]
Index: []

这与导入数据trade_date的排序方式有关。在此例中，数据从大至小排列。因此应将end_date放置在前。