Python 删除日期早于“的行”；“今天”；

我一直在这里和谷歌搜索，发现了很多例子，展示了如何根据一个不移动的日期变量删除旧日期，但却不知道如何根据今天的日期删除数据行。在下面的示例中，我将如何删除比今天日期早的任何内容（应删除一个值），然后保存它？真正的源文件将继续获得新的数据每天，我将需要删除所有早于'今天'日期

from datetime import datetime

import pandas as pd

data = {'date': ['2001-04-10 18:47:05.069722', '2018-05-16 18:47:05.119994', '2018-05-16 18:47:05.178768', '2018-05-16 18:47:05.230071', '2018-05-16 18:47:05.230071', '2018-05-16 18:47:05.280592', '2018-05-16 18:47:05.332662', '2018-05-16 18:47:05.385109', '2018-05-16 18:47:05.436523', '2018-05-16 18:47:05.486877'], 
        'battle_deaths': [34, 25, 26, 15, 15, 14, 26, 25, 62, 41]}

df = pd.DataFrame(data, columns = ['date', 'battle_deaths'])

---

熊猫公司不遗余力地让开发者的生活更轻松。比较

到\u datetime（'today'）

，并相应过滤：

df[pd.to_datetime(df.date, errors='coerce') >= pd.to_datetime('today')]

                         date  battle_deaths
1  2018-05-16 18:47:05.119994             25
2  2018-05-16 18:47:05.178768             26
3  2018-05-16 18:47:05.230071             15
4  2018-05-16 18:47:05.230071             15
5  2018-05-16 18:47:05.280592             14
6  2018-05-16 18:47:05.332662             26
7  2018-05-16 18:47:05.385109             25
8  2018-05-16 18:47:05.436523             62
9  2018-05-16 18:47:05.486877             41

---

这将删除第0行

这非常有效，但是无法将新更新的数据正确保存为新文件。从pandas导入pandas作为pd从datetime导入ExcelWriter从datetime导入datetime df=pd.read_excel（“location/of/masterfile.xlsx”）df[pd.to_datetime（df.date，errors='concurve'）>=pd.to_datetime（'today'）]writer=ExcelWriter（'location/of/newfile.xlsx'）df.to_excel（writer，'Sheet1'）.save（）@micdanspe Try

df=df[pd.to_datetime（df.date，errors='concurve'）>=pd.to_datetime（'today'）]

然后保存。

df[pd.to_datetime(df.date, errors='coerce') >= pd.to_datetime('today')]

                         date  battle_deaths
1  2018-05-16 18:47:05.119994             25
2  2018-05-16 18:47:05.178768             26
3  2018-05-16 18:47:05.230071             15
4  2018-05-16 18:47:05.230071             15
5  2018-05-16 18:47:05.280592             14
6  2018-05-16 18:47:05.332662             26
7  2018-05-16 18:47:05.385109             25
8  2018-05-16 18:47:05.436523             62
9  2018-05-16 18:47:05.486877             41