如何在Python中过滤Excel数据集年份？提取最近20年数据

你的代码存在几个关键问题：

• 语法错误：pd.read_csv的参数写法混乱，存在多余括号和逗号的错误
• 用固定日期范围2000-01-01到2020-01-01，这不是最近20年的动态范围；另外你提到是Excel数据集，应该用pd.read_excel而非pd.read_csv（如果是CSV文件可忽略这一点）
• 未将date列转换为日期类型，直接过滤会失效

下面是正确的实现步骤：

步骤1：读取数据并转换日期列 #

import pandas as pd
from datetime import datetime, timedelta

# 读取Excel数据（如果是CSV文件替换为pd.read_csv）
df = pd.read_excel("你的数据文件.xlsx")

# 将date列转换为datetime类型，确保日期过滤逻辑生效
df['date'] = pd.to_datetime(df['date'], errors='coerce')
# 移除日期转换失败的无效行（可选）
df = df.dropna(subset=['date'])

步骤2：计算动态的最近20年日期范围 #

不用写死日期，根据当前时间自动计算起始点：

# 获取当前日期
current_date = datetime.now()
# 计算20年前的日期，用365.25处理闰年误差
start_date = current_date - timedelta(days=20*365.25)

步骤3：过滤数据 #

# 筛选date列在起始日期之后的数据
filtered_df = df[df['date'] >= start_date]

可选：验证结果 #

打印过滤后的日期范围确认效果：

print("过滤后最早日期:", filtered_df['date'].min())
print("过滤后最晚日期:", filtered_df['date'].max())

如果你的需求是固定取最近20个完整年份（比如2004-2024，而非当前日期往前推20年），可以调整起始日期的计算方式：

current_year = datetime.now().year
start_year = current_year - 20
start_date = datetime(start_year, 1, 1)
filtered_df = df[(df['date'].dt.year >= start_year)]

内容的提问来源于stack exchange，提问作者Olakunle