您可以使用.loc：

# Using string
>>> df.loc['2023-04-02']

# Using the most recent date
>>> df.loc[df.index.max()]

# Using yesterday
>>> df.loc[pd.Timestamp.today().date() - pd.DateOffset(days=1)]

Tips：read_csv可以通过parse_dates参数将索引转换为datetime：

df = pd.read_csv(r"data.csv", index_col=0, parse_dates=[0])

如果你想分别提取每个股票代码的数据，你可以使用loc方法循环唯一的股票代码来提取数据：

tickers = df['Ticker'].unique()

for ticker in tickers:
    ticker_data = df.loc[(df['Ticker'] == ticker) & (df.index == '2023-04-02')]
    # Do something with the ticker_data

我已经尝试过循环，但它出现在第二个答案中，前提是它实际上没有循环。

tickers = df_f['ticker'].unique()
yesterday = pd.Timestamp.today().date() - pd.DateOffset(days=1)
df_list = list()
for ticker in tickers:
    ticker_data = df_f.loc[(df_f['ticker'] == ticker) & (df_f.index == yesterday)]
    df_list.append(ticker_data)
    
print(ticker_data)
    
# combine all dataframes into a single dataframe
df_new = pd.concat(df_list)
print(df_new)

results
你可以看到打印“ticker_data”显示了最终的ticker结果，我不确定是否有任何循环发生。