基于日期范围筛选DataFrame：查询3个月未登录用户ID

步骤1：转换时间字段为可计算的datetime类型 #

原始的'Last Login'是字符串格式，必须先转换成pandas的datetime类型才能进行时间对比：

import pandas as pd

# 替换成你的DataFrame名称
df['Last Login'] = pd.to_datetime(df['Last Login'], format='%Y-%m-%d %H:%M:%S')

步骤2：计算3个月前的时间阈值 #

用当前时间减去3个月作为判断边界，这里用DateOffset处理月份计算，避免手动算天数的误差（比如2月、31天月份的问题）：

three_months_ago = pd.Timestamp.now() - pd.DateOffset(months=3)

如果你的登录时间带时区，要统一时区，比如：

three_months_ago = pd.Timestamp.now(tz='UTC') - pd.DateOffset(months=3)

步骤3：筛选未登录用户 #

直接过滤出最后登录时间早于阈值的用户，提取'User ID'即可：

# 得到未登录用户ID的列表，方便和其他列表比对
inactive_user_ids = df[df['Last Login'] < three_months_ago]['User ID'].tolist()

# 如果需要保留DataFrame格式（仅含User ID字段）
inactive_users_df = df[df['Last Login'] < three_months_ago][['User ID']]

验证小技巧 #

可以打印阈值时间确认是否正确：

print(f"判断阈值：{three_months_ago.strftime('%Y-%m-%d %H:%M:%S')}")

内容的提问来源于stack exchange，提问作者Noah Velez