Python处理CSV列：提取日期并筛选非最大日期数据的问题

我的CSV中有一列名为Version，内容如下：

Version
2024-01-02 rev. 003
2024-01-02 rev. 003
2023-11-17 rev. 003

我需要筛选出除最大日期（即2024-01-02 rev. 003）之外的数据。尝试用不等于最大日期的方式处理时，DataFrame出现了空值，使用的代码如下：

df3['Version'] = pd.to_datetime(df3['Version'], format='%Y-%m-%d', errors="coerce")

print("df3 version=======
", df3['Version'])
df3 = df3[df3['Version'].ne(df3['Version'].max())]
print (df3)

问题核心是日期转换时未处理Version列的rev. xxx后缀：用format='%Y-%m-%d'强制转换时，整个字符串不符合指定格式，触发errors="coerce"后生成空值（NaT），导致后续筛选逻辑失效。

以下是几种可行的解决方法：

方法1：提取日期片段后转换 #

先从字符串中拆分出纯日期部分，再转成datetime类型进行筛选：

# 按空格分割取第一个元素（纯日期）
df3['date'] = pd.to_datetime(df3['Version'].str.split().str[0])
# 获取最大日期
max_date = df3['date'].max()
# 筛选非最大日期的行，最后删除临时列
df3_filtered = df3[df3['date'] != max_date].drop('date', axis=1)
print(df3_filtered)

方法2：让pandas自动识别日期 #

去掉format参数，让pandas自动解析字符串中的日期部分（适合格式统一的场景）：

df3['date'] = pd.to_datetime(df3['Version'], errors="coerce")
max_date = df3['date'].max()
df3_filtered = df3[df3['date'] != max_date].drop('date', axis=1)
print(df3_filtered)

方法3：直接基于字符串前缀筛选 #

如果日期格式固定为YYYY-MM-DD，可以直接比较字符串前10位，无需转换为datetime：

# 提取日期前缀
df3['date_str'] = df3['Version'].str[:10]
max_date_str = df3['date_str'].max()
# 筛选并删除临时列
df3_filtered = df3[df3['date_str'] != max_date_str].drop('date_str', axis=1)
print(df3_filtered)

以上方法都能避免空值问题，最终筛选出2023-11-17 rev. 003对应的行数据。

内容的提问来源于stack exchange，提问作者Priyatosh