truncate方法仅支持DatetimeIndex或PeriodIndex，对非时间索引会报TypeError；需先转换索引并确保升序，其边界为左闭右闭，本质是按时间标签裁剪首尾而非取中间段。
truncate 方法只支持时间索引，普通索引会报错
直接对没有时间索引的 DataFrame 或 Series 调用 truncate 会触发 TypeError: truncate is not supported for non-time-based index。它不是通用切片工具，本质是按时间戳定位的“左右裁剪”，必须确保索引是 DatetimeIndex 或 PeriodIndex。
实操建议：
- 先检查索引类型：
df.index，若非DatetimeIndex，需用pd.to_datetime()转换后设为索引，例如：df.set_index(pd.to_datetime(df['date_column']), inplace=True) - 如果原始索引是字符串（如 '2023-01-01'），不能靠
truncate自动识别，必须显式转换 -
truncate对RangeIndex或Int64Index完全无效，此时应改用.loc或.iloc
truncate 的边界行为：左闭右闭，且依赖索引排序
truncate 默认保留从 before 到 after（含）之间的所有行，但前提是索引已升序排列。若索引降序，结果会反转或为空——它不自动排序，只做位置截断。
实操建议：
- 调用前务必确认索引有序：
df.index.is_monotonic_increasing，否则先执行df.sort_index(inplace=True) -
before和after参数接受字符串（如'2023-03'）、Timestamp或datetime对象，但不支持模糊匹配（如'Mar 2023'可能失败） - 若指定的
before时间早于索引最小值，或after晚于最大值，不会报错，而是返回空或全部数据
truncate 与 loc 切片的本质区别：前者按标签“裁边”，后者按标签“取段”
truncate 是“砍掉开头和结尾”，而 .loc['2023-01':'2023-03'] 是“取出中间”。当索引存在缺失或不连续时，二者结果可能不同。
实操建议：
- 想保留某时间段内**存在的所有记录**（不管是否连续），用
.loc[start:end]更直观可靠 - 想严格“从第一个 >= start 的位置开始，到第一个 truncate(before=start, after=end)
- 若索引有重复时间戳，
truncate仍能工作，但.loc在重复时可能返回多段，行为更复杂
truncate 不支持列维度操作，也不能传入列名参数
truncate 只作用于行索引，没有 axis=1 或类似列截断的选项。试图传入 columns 参数会报 TypeError: truncate() got an unexpected keyword argument 'columns'。
实操建议：
- 要同时限制列范围，请组合使用：
df.truncate(before='2023-01', after='2023-06')[['col_a', 'col_b']] - 如果目标是按时间+列联合筛选，优先考虑布尔索引：
mask = (df.index >= '2023-01') & (df.index ，再df[mask][['col_a', 'col_b']] - 注意：
truncate返回新对象，默认不修改原df；如需就地修改，加inplace=True，但该参数在新版 Pandas 中已弃用，建议显式赋值
实际用起来最常卡在索引类型和排序上，别把它当成 iloc 的时间版——它是专为时间序列“去头去尾”设计的窄口径工具，用错场景反而比写一行 .loc 更容易出问题。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
