Python 熊猫过滤日期

我有一个如下所示的数据帧

+-----------+-------+----------+--+--+
| Date      | OPP   | Result   |  |  |
+-----------+-------+----------+--+--+
| Sat 11/16 | @DAL  | L110-102 |  |  |
+-----------+-------+----------+--+--+
| Wed 11/13 | @POR  | W114-106 |  |  |
+-----------+-------+----------+--+--+
| Mon 11/11 | @LAC  | L98-88   |  |  |
+-----------+-------+----------+--+--+
| Sun 11/10 | @LAL  | W113-104 |  |  |
+-----------+-------+----------+--+--+
| Fri 11/8  | @NO   | W122-104 |  |  |
+-----------+-------+----------+--+--+
| Wed 11/6  | vsSAC | W124-120 |  |  |
+-----------+-------+----------+--+--+
| Sat 11/2  | @MIL  | L115-105 |  |  |
+-----------+-------+----------+--+--+

我正在尝试筛选日期>\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

Ie这是我尝试过的，但没有过滤所有大于11/10太阳的日期

d1=d1[（d1['Date']>'Sun 11/10'）]

更新

我的专栏现在看起来像这样，我需要能够过滤新的日期>，并排除“NaT”。正在尝试

d1[（d1['New_Date']>'2019-11-01'）]

但不起作用

0    2019-11-20
1    2019-11-18
2    2019-11-16
3    2019-11-13
4    2019-11-11
5    2019-11-10
6    2019-11-08
7    2019-11-06
8    2019-11-02
9    2019-11-01
10   2019-10-30
11   2019-10-28
12   2019-10-26
13   2019-10-01
14          NaT
15          NaT
16   2019-10-18
17   2019-10-13
18   2019-10-10
19   2019-10-08
20          NaT
21          NaT

---

任何帮助都将不胜感激

首先，您需要将日期转换为适当的

datetime

对象，提供适当的输入格式（我假设是

/

-您可以根据

datetime

文档：）对其进行调整。您可以通过以下方式执行此操作：

df[“Date_2”]=pd.to_datetime（df[“Date”].astype（str），format=“%a%m/%d”）

然后使用python

datetime.strtime（）

method对筛选条件使用类比转换：

从日期时间导入日期时间
df.loc[df[“Date_2”]>datetime.strtime（“Thu 11/12”，“a%m/%d”）]

所以整个例子：

将熊猫作为pd导入
从日期时间导入日期时间
df=pd.DataFrame（{“Date”：[“Sat 11/16”，“Fri 11/8”，“Wed 11/13”]，“x”：[4,3,7]}）
df[“Date_2”]=pd.to_datetime（df[“Date”].astype（str），format=“%a%m/%d”）
打印（“\n示例筛选：”）
打印（df.loc[df[“Date_2”]>datetime.strtime（“Thu 11/12”，%a%m/%d”））
打印（“\n全部内容：”）
打印（df）

和输出：

过滤的示例：
日期x日期2
0 Sat 11/16 4 1900-11-16
2013年11月2日星期三7 1900-11-13
整件事：
日期x日期2
0 Sat 11/16 4 1900-11-16
1周五11/8 3 1900-11-08
2013年11月2日星期三7 1900-11-13

---

（由于没有提供年份，因此假定为

1900

）

您是否愿意将格式更改为另一种格式，或者是否有一个单独的列，列上日期供您的批判员搜索？我写了这个解决方案，展示了这条路线，也许它会帮助你的想法，我愿意接受改变的建议：

newdf = pd.read_csv('testdata2.csv', parse_dates=["Date"], date_parser=lambda x: pd.to_datetime(x, format="%a %m/%d"), 
index_col="Date") 

newdf = newdf.reset_index()   
newdf['Date'] = newdf['Date'].mask(newdf['Date'].dt.year == 1900, newdf['Date'] + pd.offsets.DateOffset(year=2019))

newdf[(newdf['Date'] > '2019-11/10')]
#Out[63]: 
#        Date   OPP    Result
#0 2019-11-16  @DAL  L110-102
#1 2019-11-13  @POR  W114-106
#2 2019-11-11  @LAC    L98-88

---

据我所知，您是否只是为了删除NAT而过滤日期？那你就不是这样做的。事实上，Pandas有几个可以检查NAT的函数，例如Pandas.isnull（）、Pandas.notna（）、Pandas.DataFrame.notna（）等：

下面是一个如何使用它的快速示例

    >>> import pandas as pd
    >>> pd.isnull(np.datetime64('NaT'))
    True
    >>> d1[d1['New_Date'].notna()]

---

请先尝试转换为日期时间。请不要将数据帧作为图像发布。以字典的形式发布，便于他人复制和测试。您可以通过

df.to_dict

获取数据帧字典。这是否回答了您的问题？根据日期格式略有不同。将需要以某种方式转换日期。您可以使用pandas

到\u datetime

或datetime库解析日期。这个网站应该有助于确定应该使用哪种格式。嗨，我更新了我的问题，我能够将我的日期转换为yyyy-mm-dd格式，现在需要筛选>然后。