Python 根据日期从数据框中删除行

我正在尝试创建一个包含熊猫的数据框，并在201702之后删除日期。数据帧的结构是这样的

    Date         Account Number
1   2019-02-21   123841234
2   2017-01-01   193741927
3   2015-03-04   981237432
4   2018-05-29   134913473
5   2012-05-12   138749173
6   2009-01-04   174917239

我正在读取csv（data.csv）并试图删除2017-02-28之后的任何日期，因此：

data_csv = pd.read_csv('data.csv')
data_csv[data_csv.DATE < '2017-02-28']

data\u csv=pd.read\u csv（'data.csv'））
数据共享[数据共享日期<'2017-02-28']

对于YYYY-MM-DD的日期格式，这应该正常工作吗？或者我必须对列格式做些什么来确保从数据帧中删除这些行

---

谢谢您的时间。

我建议您将字符串转换为

时间戳

，假设

数据\u csv.Date

也是

时间戳

：

result = data_csv[data_csv.Date < pd.to_datetime('2017-02-28')]
print(result)

---

如果您的日期字符串是YYYY-MM-DD格式的，那么字典的比较是开箱即用的（对于python，而不仅仅是熊猫）

'2009-01-04'<'2017-02-28'
#真的
'2019-01-04' < '2017-02-28'
#假的

所以你的比较结果应该不会有任何变化。虽然首先转换为datetime会更安全，所以您的代码在工作时不做任何假设

---

df.dtypes
日期对象
账号int64
数据类型：对象
df[df[“日期”]<“2017-02-28”]
日期帐号
2  2017-01-01       193741927
3  2015-03-04       981237432
5  2012-05-12       138749173
6  2009-01-04       174917239
df['Date']=pd.to_datetime（df['Date']，errors='procure'）
df.dtypes
日期时间64[ns]
账号int64
数据类型：对象
df[df[“日期”]<“2017-02-28”]
日期帐号
2 2017-01-01       193741927
3 2015-03-04       981237432
5 2012-05-12       138749173
6 2009-01-04       174917239

您真的不知道，pandas在datetime列的字符串比较方面很聪明。只要与字符串直接比较就行了，假设它遵循YYYY-MM-DD格式。@cs95我想你是对的，在这个意义上你不需要这样做，但我相信显式比隐式好。啊哈。。。引用我看到的禅宗。。。当然，这更像是“你应该”而不是“你需要”的情况：）谢谢你的帮助！我相信这会起作用，但当我这样做时，我的输出csv比输入csv大。为了尝试和解释，我正在将一个17GB的csv读入一个数据帧，执行如上所示的日期过滤器，然后读入修改后的数据帧。但当它写入csv时，输出文件为23GB。删除日期为<'2017-02-28'的某些行后，我的输出csv比原来大，这正常吗？@JMV12我认为不应该这样，除非您正在做其他事情来增加它的大小？

        Date  Account Number
1 2017-01-01       193741927
2 2015-03-04       981237432
4 2012-05-12       138749173
5 2009-01-04       174917239

'2009-01-04' < '2017-02-28'  
# True

'2019-01-04' < '2017-02-28'
# False

df.dtypes     

Date              object
Account Number     int64
dtype: object

df[df['Date'] < '2017-02-28']

         Date  Account Number
2  2017-01-01       193741927
3  2015-03-04       981237432
5  2012-05-12       138749173
6  2009-01-04       174917239

df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
df.dtypes

Date              datetime64[ns]
Account Number             int64
dtype: object

df[df['Date'] < '2017-02-28']

        Date  Account Number
2 2017-01-01       193741927
3 2015-03-04       981237432
5 2012-05-12       138749173
6 2009-01-04       174917239