Pandas 的 DataFrame.loc[start:end] 对 datetime 索引切片时，结果为空并非数据缺失，而是因索引为降序排列且 loc 默认按索引位置（而非时间顺序）切片，需反转起止日期或统一升序索引。
pandas 的 `dataframe.loc[start:end]` 对 datetime 索引切片时，结果为空并非数据缺失，而是因索引为降序排列且 `loc` 默认按索引位置（而非时间顺序）切片，需反转起止日期或统一升序索引。
在使用 pandas.DataFrame.loc 对 datetime 索引进行切片时，一个常见却易被忽视的关键点是：loc 按索引的物理顺序（即行号顺序）切片，而非逻辑时间顺序。从你的输出可见，DataFrame 的 when 索引是从 2025-01-04 递减至 2010-07-17，即这是一个 单调递减（monotonically decreasing）的 DatetimeIndex：
print(data.index.is_monotonic_increasing) # False print(data.index.is_monotonic_decreasing) # True
因此，当你执行：
start_date = datetime(2010, 1, 1) end_date = datetime(2025, 1, 1) data.loc[start_date:end_date] # ❌ 空结果：loc 尝试从索引中“位置靠前”的 2010-01-01 切到“位置靠后”的 2025-01-01
由于索引是降序的，2010-01-01 实际位于索引末尾，2025-01-01 位于开头——loc 在降序索引中要求 start 必须在 end 的物理位置之前，否则返回空 DataFrame。
✅ 正确做法有两类：
✅ 方案一：反转切片边界（适配降序索引）
# 注意：end_date 在前，start_date 在后 result = data.loc[end_date:start_date] # 2025-01-01 → 2010-01-01（按索引位置有效） # 同理： data.loc[end_date:] # 从 2025-01-01 开始（索引开头）向后取 data.loc[:start_date] # 到 2010-01-01 结束（索引结尾）向前取
✅ 方案二：标准化为升序索引（推荐实践）
# 一步到位：排序并确保单调递增 data_sorted = data.sort_index() # 升序：2010-07-17 → 2025-01-04 # 此后可自然使用时间语义切片 result = data_sorted.loc['2010-01-01':'2025-01-01'] # 或 result = data_sorted.loc[datetime(2010,1,1):datetime(2025,1,1)]
⚠️ 重要限制：Pandas 2.2+ 中，loc 对非单调递增 DatetimeIndex 的部分字符串切片（如 data.loc[:'2025-01-03']）会直接抛出 KeyError，即使索引是单调递减的。这是由底层校验逻辑强制要求 is_monotonic_increasing == True 所致。此时应改用布尔索引或 truncate：
# 替代方案（兼容任意顺序） data[data.index >= '2025-01-01'] # 2025-01-01 及之后（按时间） data[data.index <p>? <strong>最佳实践总结</strong>：</p>
- 始终检查
df.index.is_monotonic_increasing； - 时间序列分析前，优先调用
df.sort_index()统一升序； - 避免依赖
loc在降序索引上的模糊切片，改用显式布尔索引提升可读性与健壮性； - 字符串切片（如
'2025-01'）仅在升序索引下完全可靠。
这样即可彻底避免“明明数据存在却切出空表”的陷阱。
