我正在从csv创建数据帧，如下所示：
stock=pd.read\u csv（/'+filename+'.csv'中的数据，skipinitialspace=True）
DataFrame有一个日期列。有没有办法创建一个新的数据框（或只覆盖现有的数据框），其中只包含日期值在指定日期范围内或在两个指定日期值之间的行
有两种可能的解决方案：
- 使用布尔掩码，然后使用
df.loc[mask] - 将日期列设置为DatetimeIndex，然后使用
df[开始日期：结束日期]
使用布尔掩码：
确保df['date']是一个数据类型为datetime64[ns]的系列：
df['date']=pd.to_datetime（df['date']）
制作一个布尔掩码start\u date和end\u date可以是datetime.datetimes，
np.datetime64s、pd.Timestamps，甚至日期时间字符串：
#大于开始日期，小于结束日期
掩码=（df['date']>；开始日期）&；（df['date']<；=结束日期）
选择子数据帧：
df.loc[掩码]
或重新分配给df
df=df.loc[mask]
比如说,
将numpy作为np导入
作为pd进口熊猫
df=pd.DataFrame（np.random.random（（200,3）））
df['date']=pd.日期范围（'2000-1-1'，周期=200，频率=D'）
掩码=（df['date']>；'2000-6-1'）&；（df['date']<；='2000-6-10'）
打印（df.loc[掩码]）
屈服
0 1 2日期
153 0.208875 0.727656 0.037787 2000-06-02
154 0.750800 0.776498 0.237716 2000-06-03
155 0.812008 0.127338 0.397240 2000-06-04
156 0.639937 0.207359 0.533527 2000-06-05
157 0.416998 0.845658 0.872826 2000-06-06
158 0.440069 0.338690 0.847545 2000-06-07
159 0.202354 0.624833 0.740254 2000-06-08
160 0.465746 0.080888 0.155452 2000-06-09
161 0.858232 0.190321 0.432574 2000-06-10
使用日期时间索引：
如果要按日期进行大量选择，则设置日期可能会更快
date列作为第一个索引。然后，您可以使用按日期选择行
df.loc[开始日期：结束日期]
将numpy作为np导入
作为pd进口熊猫
df=pd.DataFrame（np.random.random（（200,3）））
df['date']=pd.日期范围（'2000-1-1'，周期=200，频率=D'）
df=df.set_索引（['date']）
打印（测向位置['2000-6-1'：'2000-6-10']
屈服
0 1 2
日期
2000-06-01 0.040457 0.326594 0.492136包括开始日期
2000-06-02 0.279323 0.877446 0.464523
2000-06-03 0.328068 0.837669 0.608559
2000-06-04 0.107959 0.678297 0.517435
2000-06-05 0.131555 0.418380 0.025725
2000-06-06 0.999961 0.619517 0.206108
2000-06-07 0.129270 0.024533 0.154769
2000-06-08 0.441010 0.741781 0.470402
2000-06-09 0.682101 0.375660 0.009916
2000-06-10 0.754488 0.352293 0.339337
Python列表索引，例如seq[start:end]包括start，但不包括end，相反，Pandasdf.loc[start\u date:end\u date]包含两个端点（如果它们在索引中）。但是，索引中不必包含开始日期或结束日期
还要注意，pd.read\u csv有一个parse\u dates参数，您可以使用该参数将date列解析为datetime64s。因此，如果使用parse_dates，则不需要使用df['date']=pd.to_datetime（df['date']）