在pandas中处理时间序列数据时，一项常见任务是根据特定的日期或日期时间条件，从dataframe中提取相应的列值，并将不符合条件的行填充为nan（not a number）。例如，你可能只想在某个特定交易日记录“事件”值，而在其他日期则标记为缺失。
初学者在尝试解决此类问题时，可能会倾向于使用for循环遍历DataFrame的行，但这种方法通常效率低下，并且容易因不当的赋值操作导致错误结果。本教程将深入探讨如何使用Pandas的向量化操作，以高效、简洁且正确的方式实现这一目标。
1. 向量化操作：使用 Series.where() (推荐)
Series.where()是Pandas中一个非常强大的方法，它允许你根据一个布尔条件选择性地保留或替换Series中的值。当条件为True时，保留原始值；当条件为False时，则替换为指定值（默认为NaN）。这是处理条件赋值任务的首选方法，因为它利用了Pandas底层的优化，效率远高于Python循环。
1.1 场景一：仅按日期匹配（忽略时间部分）
如果你的DataFrame索引包含时间信息（例如，每小时、每分钟），但你只想根据日期进行匹配（即，某天的所有时间点都符合条件），可以使用DatetimeIndex.normalize()方法。normalize()会将所有日期时间戳规范化为当天的午夜（00:00:00），从而方便进行日期层面的比较。
示例代码：
import pandas as pd
import numpy as np
# 创建一个带有时间组件的示例DataFrame
rng_with_time = pd.date_range('2000-03-19', periods=10, freq='9H')
df_with_time = pd.DataFrame({'close': range(10)}, index=rng_with_time)
print("原始DataFrame (带时间组件):")
print(df_with_time)
print("-" * 30)
# 使用 Series.where() 和 normalize() 提取特定日期的 'close' 值
# 目标日期为 '2000-03-20'
df_with_time['event'] = df_with_time['close'].where(
df_with_time.index.normalize() == pd.Timestamp('2000-03-20')
)
print("\n使用 normalize() 提取 '2000-03-20' 的 'event' 列:")
print(df_with_time)输出：
原始DataFrame (带时间组件):
close
2000-03-19 00:00:00 0
2000-03-19 09:00:00 1
2000-03-19 18:00:00 2
2000-03-20 03:00:00 3
2000-03-20 12:00:00 4
2000-03-20 21:00:00 5
2000-03-21 06:00:00 6
2000-03-21 15:00:00 7
2000-03-22 00:00:00 8
2000-03-22 09:00:00 9
------------------------------
使用 normalize() 提取 '2000-03-20' 的 'event' 列:
close event
2000-03-19 00:00:00 0 NaN
2000-03-19 09:00:00 1 NaN
2000-03-19 18:00:00 2 NaN
2000-03-20 03:00:00 3 3.0
2000-03-20 12:00:00 4 4.0
2000-03-20 21:00:00 5 5.0
2000-03-21 06:00:00 6 NaN
2000-03-21 15:00:00 7 NaN
2000-03-22 00:00:00 8 NaN
2000-03-22 09:00:00 9 NaN1.2 场景二：精确按日期时间匹配
如果你的DataFrame索引没有时间组件（例如，每日数据），或者你需要精确匹配到特定的日期和时间点，可以直接将DataFrame索引与目标pd.Timestamp对象或日期时间字符串进行比较。
示例代码：
import pandas as pd
import numpy as np
# 创建一个不带时间组件的示例DataFrame (每日数据)
rng_daily = pd.date_range('2000-03-19', periods=10)
df_daily = pd.DataFrame({'close': range(10)}, index=rng_daily)
print("原始DataFrame (每日数据):")
print(df_daily)
print("-" * 30)
# 使用 Series.where() 精确匹配 '2000-03-20 00:00:00'
df_daily['event'] = df_daily['close'].where(
df_daily.index == pd.Timestamp('2000-03-20 00:00:00')
)
print("\n使用 Series.where() 精确匹配 '2000-03-20' 的 'event' 列:")
print(df_daily)输出：
原始DataFrame (每日数据):
close
2000-03-19 0
2000-03-20 1
2000-03-21 2
2000-03-22 3
2000-03-23 4
2000-03-24 5
2000-03-25 6
2000-03-26 7
2000-03-27 8
2000-03-28 9
------------------------------
使用 Series.where() 精确匹配 '2000-03-20' 的 'event' 列:
close event
2000-03-19 0 NaN
2000-03-20 1 1.0
2000-03-21 2 NaN
2000-03-22 3 NaN
2000-03-23 4 NaN
2000-03-24 5 NaN
2000-03-25 6 NaN
2000-03-26 7 NaN
2000-03-27 8 NaN
2000-03-28 9 NaN2. 使用部分字符串索引 (Partial String Indexing)
Pandas的DatetimeIndex支持强大的部分字符串索引功能。这意味着你可以使用日期字符串（例如'YYYY-MM-DD'）直接选择该日期内的所有行。结合loc方法，这提供了一种简洁的方式来更新或赋值特定日期的列值。
要实现“仅在特定日期有值，其他日期为NaN”的效果，可以先将目标列初始化为NaN，然后使用部分字符串索引对特定日期进行赋值。
示例代码：
import pandas as pd
import numpy as np
# 使用带有时间组件的DataFrame
rng_with_time = pd.date_range('2000-03-19', periods=10, freq='9H')
df_with_time_psi = pd.DataFrame({'close': range(10)}, index=rng_with_time)
print("原始DataFrame (用于部分字符串索引):")
print(df_with_time_psi)
print("-" * 30)
# 初始化 'event' 列为 NaN
df_with_time_psi['event'] = np.nan
# 使用部分字符串索引将 '2000-03-20' 的 'close' 值赋给 'event' 列
df_with_time_psi.loc['2000-03-20', 'event'] = df_with_time_psi['close']
print("\n使用部分字符串索引提取 '2000-03-20' 的 'event' 列:")
print(df_with_time_psi)输出：
原始DataFrame (用于部分字符串索引):
close
2000-03-19 00:00:00 0
2000-03-19 09:00:00 1
2000-03-19 18:00:00 2
2000-03-20 03:00:00 3
2000-03-20 12:00:00 4
2000-03-20 21:00:00 5
2000-03-21 06:00:00 6
2000-03-21 15:00:00 7
2000-03-22 00:00:00 8
2000-03-22 09:00:00 9
------------------------------
使用部分字符串索引提取 '2000-03-20' 的 'event' 列:
close event
2000-03-19 00:00:00 0 NaN
2000-03-19 09:00:00 1 NaN
2000-03-19 18:00:00 2 NaN
2000-03-20 03:00:00 3 3.0
2000-03-20 12:00:00 4 4.0
2000-03-20 21:00:00 5 5.0
2000-03-21 06:00:00 6 NaN
2000-03-21 15:00:00 7 NaN
2000-03-22 00:00:00 8 NaN
2000-03-22 09:00:00 9 NaN3. 修正 iterrows 循环（不推荐）
虽然iterrows循环在某些复杂场景下可能有用，但它通常不是处理DataFrame的推荐方式，尤其是在需要更新DataFrame时。原始问题中遇到的错误就是df['event'] = row['close']在每次循环中都会尝试将整个event列赋值为当前行的close值，而不是只更新当前行。这导致最终event列被最后一次迭代的值（或NaN）覆盖。
要正确地在循环中更新DataFrame，必须使用df.loc或df.iloc进行基于标签或整数位置的赋值。
修正后的 iterrows 循环示例：
import pandas as pd
import numpy as np
# 使用带有时间组件的DataFrame
rng_with_time_loop = pd.date_range('2000-03-19', periods=10, freq='9H')
df_with_time_loop = pd.DataFrame({'close': range(10)}, index=rng_with_time_loop)
print("原始DataFrame (用于修正循环):")
print(df_with_time_loop)
print("-" * 30)
# 初始化 'event' 列为 NaN，这是在循环前应该做的
df_with_time_loop['event'] = np.nan
# 修正后的 iterrows 循环，按日期匹配
for index, row in df_with_time_loop.iterrows():
# 使用 normalize() 仅比较日期部分
if index.normalize() == pd.Timestamp('2000-03-20 00:00:00'):
df_with_time_loop.loc[index, 'event'] = row['close']
else:
df_with_time_loop.loc[index, 'event'] = np.nan # 明确设置为 NaN，虽然已经初始化
print("\n修正后的 iterrows 循环 (按日期匹配):")
print(df_with_time_loop)
# ----------------------------------------------------
# 使用不带时间组件的DataFrame (每日数据)
rng_daily_loop = pd.date_range('2000-03-19', periods=10)
df_daily_loop = pd.DataFrame({'close': range(10)}, index=rng_daily_loop)
print("\n" + "=" * 30)
print("原始DataFrame (每日数据，用于修正循环):")
print(df_daily_loop)
print("-" * 30)
df_daily_loop['event'] = np.nan
# 修正后的 iterrows 循环，精确按日期时间匹配
for index, row in df_daily_loop.iterrows():
# 精确匹配日期时间
if index == pd.Timestamp('2000-03-20 00:00:00'):
df_daily_loop.loc[index, 'event'] = row['close']
else:
df_daily_loop.loc[index, 'event'] = np.nan
print("\n修正后的 iterrows 循环 (精确按日期时间匹配):")
print(df_daily_loop)输出：
原始DataFrame (用于修正循环):
close
2000-03-19 00:00:00 0
2000-03-19 09:00:00 1
2000-03-19 18:00:00 2
2000-03-20 03:00:00 
